ROBOTS AND MEDICAL STUDY-Illustration

Un nuovo modello di intelligenza artificiale progettato dai ricercatori della Harvard Medical School e della National Cheng Kung University di Taiwan potrebbe portare la necessaria chiarezza ai medici che forniscono prognosi e decidono i trattamenti per i pazienti affetti da cancro del colon-retto, il secondo tumore più letale al mondo. Osservando esclusivamente le immagini dei campioni di tumore – rappresentazioni microscopiche delle cellule cancerose – il nuovo strumento prevede con precisione l’aggressività di un tumore del colon-retto, la probabilità di sopravvivenza del paziente con o senza recidiva della malattia e la terapia ottimale. Il rapporto sul lavoro del team è su Nature Communications. I ricercatori affermano che lo strumento è destinato a migliorare, non a sostituire, le competenze umane.

“Il nostro modello svolge compiti che i patologi umani non sono in grado di svolgere sulla base della sola visualizzazione delle immagini”, ha dichiarato il coautore dello studio Kun-Hsing Yu, professore assistente di informatica biomedica presso il Blavatnik Institute dell’HMS. Yu ha guidato un team internazionale di patologi, oncologi, informatici biomedici e informatici. I ricercatori avvertono che la prognosi di ogni singolo paziente dipende da molteplici fattori e che nessun modello può prevedere perfettamente la sopravvivenza di un determinato paziente. Tuttavia, aggiungono, il nuovo modello potrebbe essere utile per guidare i medici a seguire più da vicino i pazienti, a prendere in considerazione trattamenti più aggressivi o a raccomandare studi clinici per testare terapie sperimentali se i loro pazienti hanno una prognosi peggiore di quella prevista dalla valutazione dello strumento. Lo strumento potrebbe essere particolarmente utile nelle aree a risorse limitate, sia in questo Paese che nel resto del mondo, dove la patologia avanzata e il sequenziamento genetico del tumore potrebbero non essere facilmente disponibili, hanno osservato i ricercatori. Il nuovo strumento chiamato MOMA (Multi-omics Multi-cohort Assessment), è disponibile gratuitamente per ricercatori e medici e  va al di là di molti strumenti di IA attuali, che eseguono principalmente compiti che replicano o ottimizzano le competenze umane. MOMA, invece, rileva e interpreta schemi visivi su immagini di microscopia che sono indistinguibili per l’occhio umano.

 

Formazione e test approfonditi

Il modello è stato addestrato su informazioni ottenute da quasi 2.000 pazienti con tumore del colon-retto provenienti da diverse coorti di pazienti nazionali che insieme comprendono più di 450.000 partecipanti: l’Health Professionals Follow-up Study, il Nurses’ Health Study, il Cancer Genome Atlas Program e il PLCO (Prostate, Lung, Colorectal and Ovarian) Cancer Screening Trial del NIH. Durante la fase di addestramento, i ricercatori hanno fornito al modello informazioni sull’età, il sesso, lo stadio del cancro e gli esiti dei pazienti. Gli hanno anche fornito informazioni sui profili genomici, epigenetici, proteici e metabolici dei tumori. I ricercatori hanno quindi mostrato a MOMA immagini patologiche di campioni di tumore e gli hanno chiesto di cercare marcatori visivi relativi a tipi di tumore, mutazioni genetiche, alterazioni epigenetiche, progressione della malattia e sopravvivenza dei pazienti. I ricercatori hanno poi testato le prestazioni nel “mondo reale” dandogli una serie di immagini di campioni di tumore di diversi pazienti che non aveva mai visto prima. Hanno confrontato le sue prestazioni con i risultati effettivi dei pazienti e con altre informazioni cliniche disponibili. Il modello ha previsto con precisione la sopravvivenza complessiva dei pazienti dopo la diagnosi e quanti di questi anni sarebbero stati liberi dal cancro. Lo strumento ha anche previsto con precisione come un singolo paziente avrebbe potuto rispondere a diverse terapie, in base al fatto che il tumore del paziente presentava mutazioni genetiche specifiche che rendevano il cancro più o meno incline alla progressione o alla diffusione.

In entrambe le aree lo strumento ha superato i patologi umani e gli attuali modelli di intelligenza artificiale. I ricercatori hanno dichiarato che il modello verrà periodicamente aggiornato in base all’evoluzione della scienza e all’emergere di nuovi dati.