Stai per lasciare il sito web LMCome di proprietà di Janssen-Cilag S.p.A.

Le informazioni contenute nel sito web a cui stai per accedere potrebbero non essere conformi alla normativa vigente in materia di pubblicità sui medicinali.

Janssen-Cilag SpA non è responsabile dell 'attendibilità o correttezza dei contenuti del sito web a cui ti porterà il link né sarà più applicabile la Privacy Policy di questo sito.

Clicca sul link per continuare.

MALATTIE EMATOLOGICHE

Intelligenza artificiale e Deep Learning per la diagnosi dei tumori

Contenuti a cura del
Articolo pubblicato il 10 November 2020
Intelligenza artificiale e Deep Learning
»

Il Deep learning è quella tecnologia di Intelligenza Artificiale (AI) e apprendimento automatizzato che, per esempio, consente a Facebook di riconoscere un volto in una foto caricata e suggerire di inserire il nome dell’amico a cui quel volto appartiene. O che permette al software di riconoscere che l’immagine è proprio di un volto umano, piuttosto che di un animale o di un luogo particolare. I programmi che sfruttano questa tecnologia imparano grazie ad input che vengono forniti dall’utente e grazie alla pratica continua, ma soprattutto vengono migliorati continuamente e applicati a campi sempre più vasti, inclusa la medicina e nello specifico anche l’oncologia.

 

Sempre più spesso, infatti, software di Intelligenza Artificiale e Deep Learning vengono istruiti per individuare virus, batteri, cellule cancerose, cellule con particolari caratteristiche o anche singole proteine o componenti cellulari. E sono molto bravi a farlo, come dimostra un recente studio pubblicato su Nature Cancer in cui i ricercatori dello European Bioinformatics Institute dell’EMBL (EMBL-EBI), del Wellcome Sanger Institute e dell’Addenbrooke's Hospital di Cambridge nel Regno Unito hanno adoperato un software di Deep Learning per individuare modelli di mutazioni cancerose, modificazioni morfologiche e cambiamenti molecolari in campioni di tessuti prelevati da pazienti oncologici.

 

Normalmente questi campioni vengono raccolti e analizzati da esperti, oppure si ricercano mutazioni genetiche presenti nel tessuto o nel sangue del paziente. Grazie a queste analisi si formula una diagnosi, una possibile prognosi per il paziente e si individua un trattamento appropriato. Il sistema messo a punto dagli autori dello studio in un certo senso unisce queste due procedure permettendo inoltre di studiare non solo i cambiamenti morfologici, ma quelli molecolari, quelli che riguardano DNA ed RNA ed individuare pattern, modelli, di mutazioni per diversi tipi di tumore o stadi di tumore.

 

Per farlo, gli studiosi hanno sviluppato un algoritmo di Intelligenza Artificiale che utilizza la visione artificiale per analizzare campioni di tessuto di pazienti oncologici. Gli algoritmi di visione artificiale, infatti, sono una forma di Intelligenza Artificiale in grado di riconoscere determinate caratteristiche nelle immagini.

 

Come base di partenza, i ricercatori hanno adoperato un algoritmo sviluppato da Google per identificare e classificare oggetti di uso quotidiano nelle immagini e lo hanno modificato insegnandogli prima a distinguere un tessuto sano da un tessuto colpito da diversi tipi di tumore. Non è la prima volta che si prova a farlo, ma mai su una scala come quella adoperata in questo studio: i ricercatori hanno addestrato l'algoritmo con più di 17.000 immagini relative a 28 tipi di cancro raccolte nell’ambito del Cancer Genome Atlas e hanno studiato tutte le alterazioni genomiche conosciute legate a specifici tumori.

 

«Il nostro algoritmo può collegare automaticamente l'aspetto istologico di quasi tutti i tumori con un insieme molto ampio di caratteristiche molecolari e con la sopravvivenza del paziente», spiega Moritz Gerstung, Group Leader presso EMBL-EBI.

 

Il training ha portato l’algoritmo a riconoscere i modelli di 167 diverse mutazioni e migliaia di cambiamenti nell’attività genetica, che permettono di capire, secondo i ricercatori, in che modo le mutazioni genetiche hanno un ruolo nell’alterazione dell’aspetto delle cellule e dei tessuti tumorali.

 

«Dal punto di vista di un clinico, questi risultati sono incredibilmente entusiasmanti. Il nostro lavoro mostra come l'intelligenza artificiale potrebbe essere utilizzata nella pratica clinica», spiega Luiza Moore, patologa presso il Wellcome Sanger Institute e l'Addenbrooke's Hospital. «Mentre il numero di casi di cancro è in aumento in tutto il mondo, il numero di patologi sta diminuendo. Allo stesso tempo, ci sforziamo di abbandonare l'approccio ‘taglia unica’ e passare alla medicina personalizzata. Una combinazione di patologia digitale e intelligenza artificiale può potenzialmente alleviare queste pressioni e migliorare la nostra pratica e l'assistenza ai pazienti».

 

L’opinione degli studiosi è che queste tecnologie di AI, che forniscono immagini e informazioni molto dettagliate relativamente alle caratteristiche molecolari e alla composizione cellulare del singolo tumore e che sono più economiche e accessibili, potrebbe aiutare i medici a personalizzare sempre di più le diagnosi e, quindi, i trattamenti. Tuttavia, sottolineano i ricercatori, simili algoritmi dovranno ancora essere perfezionati e testati prima di poter essere effettivamente usati nella pratica clinica quotidiana.

 

 

Fonti e Bibliografia:

Fu Y, Jung AW, Torne RV, et al. Pan-cancer computational histopathology reveals mutations, tumor composition and prognosis, Nature Cancer, 2020; 1:800-810. doi: 10.1038/s43018-020- 0085-8. [ABSTRACT].

Stroe O. Artificial intelligence finds patterns of mutations and survival in tumour images, EMBL-EBI, comunicato stampa del 22 Luglio 2020.