Studi e Ricerche
L'intelligenza artificiale è addestrata a individuare i segnali di allarme negli esami del sangue
Il cancro ovarico è "raro, sottofinanziato e mortale", afferma Audra Moran, direttrice dell'Ovarian Cancer Research Alliance (Ocra), un ente di beneficenza globale con sede a New York.
L'intelligenza artificiale è addestrata a individuare i segnali di allarme negli esami del sangue
Come per tutti i tumori, prima viene individuato e meglio è. La maggior parte dei tumori ovarici ha origine nelle tube di Falloppio, quindi quando raggiunge le ovaie potrebbe essersi già diffuso anche altrove.
"Potrebbe essere necessario diagnosticare il cancro ovarico cinque anni prima della comparsa dei primi sintomi, per incidere sulla mortalità", afferma la dott.ssa Moran. Ma stanno emergendo nuovi esami del sangue che sfruttano la potenza dell'intelligenza artificiale (IA) per individuare i segni del cancro nelle sue fasi iniziali. E non riguarda solo il cancro: l'intelligenza artificiale può accelerare anche altri esami del sangue per infezioni potenzialmente mortali come la polmonite.
Il dott. Daniel Heller è un ingegnere biomedico presso il Memorial Sloan Kettering Cancer Center di New York.
Il suo team ha sviluppato una tecnologia di test che utilizza nanotubi, minuscoli tubi di carbonio circa 50.000 volte più piccoli del diametro di un capello umano. Circa 20 anni fa, gli scienziati hanno iniziato a scoprire nanotubi in grado di emettere luce fluorescente. Nell'ultimo decennio, i ricercatori hanno scoperto come modificare le proprietà di questi nanotubi in modo che rispondano a quasi tutto ciò che è presente nel sangue. Ora è possibile inserire milioni di nanotubi in un campione di sangue e fargli emettere diverse lunghezze d'onda di luce a seconda di ciò che vi aderisce.
Ma restava ancora la questione dell'interpretazione del segnale, che il dottor Heller paragona alla ricerca della corrispondenza di un'impronta digitale. In questo caso l'impronta digitale è uno schema di molecole che si legano ai sensori, con diverse sensibilità e intensità di legame. Ma i modelli sono troppo sottili perché un essere umano possa distinguerli. "Possiamo guardare i dati e non ne troveremo alcun senso", afferma. "Possiamo solo vedere i modelli che sono diversi con l'IA". Per decodificare i dati dei nanotubi è stato necessario caricare i dati in un algoritmo di apprendimento automatico e indicare all'algoritmo quali campioni provenivano da pazienti con tumore ovarico e quali da persone senza. Tra questi rientrava anche il sangue di persone affette da altre forme di cancro o altre patologie ginecologiche che potrebbero essere confuse con il cancro ovarico. Una grande sfida nell'uso dell'intelligenza artificiale per sviluppare esami del sangue per la ricerca sul cancro ovarico è la sua relativa rarità, il che limita i dati per gli algoritmi di addestramento.
E molti di questi dati sono conservati negli ospedali in cui sono stati curati, con una condivisione minima dei dati da parte dei ricercatori. Il dott. Heller descrive l'addestramento dell'algoritmo sui dati disponibili di appena qualche centinaio di pazienti come un "prova di verifica". Ma sostiene che l'intelligenza artificiale è riuscita a ottenere una precisione maggiore rispetto ai migliori biomarcatori del cancro oggi disponibili, e questo è stato solo il primo tentativo. Il sistema è in fase di ulteriori studi per vedere se può essere migliorato utilizzando set più ampi di sensori e campioni di molti più pazienti. Più dati possono migliorare l'algoritmo, proprio come gli algoritmi per le auto a guida autonoma possono migliorare con più test su strada.
Il dottor Heller ripone grandi speranze in questa tecnologia. "Ciò che vorremmo fare è effettuare il triage di tutte le patologie ginecologiche, in modo che quando qualcuno si presenta con un reclamo, possiamo fornire ai medici uno strumento che dica loro rapidamente se è più probabile che si tratti di un cancro o meno, o di un certo cancro piuttosto che di un altro".
Il dott. Heller afferma che potrebbero volerci "dai tre ai cinque anni".
L'intelligenza artificiale non è potenzialmente utile solo per la diagnosi precoce, ma anche per accelerare altri esami del sangue. Per un paziente oncologico, contrarre la polmonite può essere mortale e, poiché sono circa 600 i diversi organismi che possono causarla, i medici devono effettuare numerosi test per identificare l'infezione. Ma i nuovi tipi di esami del sangue stanno semplificando e accelerando il processo. Karuis, con sede in California, utilizza l'intelligenza artificiale (IA) per identificare con precisione l'agente patogeno della polmonite in 24 ore e selezionare l'antibiotico più adatto. "Prima del nostro test, un paziente affetto da polmonite avrebbe dovuto sottoporsi a 15-20 test diversi per identificare l'infezione solo nella prima settimana di degenza in ospedale, ovvero circa 20.000 dollari in test", afferma l'amministratore delegato di Karius, Alec Ford.
Karius ha un database di DNA microbico che contiene decine di miliardi di punti dati. I campioni di test dei pazienti possono essere confrontati con quel database per identificare l'agente patogeno esatto. Il signor Ford sostiene che ciò sarebbe stato impossibile senza l'intelligenza artificiale. Una delle sfide è che i ricercatori non comprendono necessariamente tutte le connessioni che un'intelligenza artificiale potrebbe stabilire tra i biomarcatori dei test e le malattie. Negli ultimi due anni il dott. Slavé Petrovski ha sviluppato una piattaforma di intelligenza artificiale chiamata Milton che, utilizzando i biomarcatori nei dati della biobanca del Regno Unito, ha identificato 120 malattie con un tasso di successo superiore al 90%. Individuare degli schemi in una tale massa di dati è qualcosa che solo l'intelligenza artificiale può fare. "Si tratta spesso di modelli complessi, in cui potrebbe non esserci un solo biomarcatore, ma bisogna prendere in considerazione il modello nel suo complesso", afferma il dott. Petrovski, ricercatore presso il colosso farmaceutico AstraZeneca.
Il dottor Heller utilizza una tecnica di pattern matching simile nel suo lavoro sul cancro ovarico. "Sappiamo che il sensore si lega e risponde alle proteine ââe alle piccole molecole presenti nel sangue, ma non sappiamo quali proteine ââo molecole siano specifiche del cancro", afferma. In senso più ampio, i dati, o la loro mancanza, rappresentano ancora uno svantaggio. "Le persone non condividono i propri dati, oppure non esiste un meccanismo per farlo", afferma la Dott. ssa Moran. Ocra sta finanziando un registro pazienti su larga scala, con cartelle cliniche elettroniche di pazienti che hanno consentito ai ricercatori di addestrare algoritmi sui loro dati. "Siamo ancora agli inizi, siamo ancora nel Far West dell'intelligenza artificiale", afferma la Sig.ra Moran.
