L'intelligenza artificiale contro il cancro

Una piccola puntura, qualche goccia di sangue e un computer. Questo potrebbe essere tutto ciò che serve per diagnosticare il cancro in futuro. Un nuovo approccio del gruppo di ricerca guidato da G.V. Shivashankar, capo del Laboratorio di Imaging Biologico Multiscala presso il Centro per le Scienze della Vita del PSI e professore di Meccano-Genomica al Politecnico di Zurigo, dovrebbe renderlo possibile. Il metodo combina imaging moderno, biologia cellulare e algoritmi adattivi: una combinazione che rende il campione di sangue una preziosa fonte di informazioni su un eventuale cancro.

Come i tumori lasciano tracce nel sangue

Le cellule tumorali rilasciano nel sangue alcune sostanze messaggere, una miscela complessa nota come secretoma. Il secretoma varia a seconda del tipo di tumore e agisce su cellule distanti dell'organismo. I ricercatori del PSI hanno scoperto che questo secretoma influenza alcuni globuli bianchi, in particolare la loro struttura nucleare. È qui che si trova la cromatina, il materiale genetico impacchettato in una specie di palla. "I globuli bianchi reagiscono in modo molto sensibile a questi segnali tumorali", spiega Shivashankar. "Poiché è molto facile ottenerli da campioni di sangue, analizzarli è estremamente semplice".

Ma ciò che cambia esattamente nella cromatina non può essere riconosciuto a occhio nudo, e nemmeno direttamente con un microscopio. Le differenze sono sottili e complesse e non possono essere attribuite a un'unica caratteristica. Il modello di cambiamento dipende anche molto dal tipo di tumore.

Per decifrare queste firme invisibili, i ricercatori hanno utilizzato la microscopia a fluorescenza ad alta risoluzione: hanno generato diverse centinaia di immagini per ogni campione di sangue e analizzato circa duecento proprietà, come la struttura, il contrasto e la distribuzione spaziale della cromatina. Ma anche con queste immagini, la domanda rimaneva: quale combinazione di caratteristiche indica effettivamente un cancro - e se sì, di che tipo? Per trarre una conclusione affidabile da questa complessità, i ricercatori si sono affidati all'intelligenza artificiale, o più precisamente all'apprendimento automatico.

Come un algoritmo impara dalle immagini cellulari

Per trarre conclusioni affidabili dalla moltitudine di caratteristiche microscopiche, il team di ricerca ha utilizzato un algoritmo adattivo. Per farlo, ha analizzato prima campioni di sangue di persone sane e di pazienti con diversi tipi di tumore. Le immagini cellulari generate hanno costituito la base dell'algoritmo: ogni immagine mostra una struttura cromatinica, etichettata con l'informazione se la persona corrispondente è sana o malata di cancro.

"Si può pensare a un mazzo di carte", spiega Shivashankar. "Sul davanti c'è l'immagine della cellula, sul retro la diagnosi". Durante la fase di addestramento, l'algoritmo può vedere entrambi i lati. Confronta centinaia di schede di questo tipo e inizia a riconoscere i modelli caratteristici, compresi quelli che non sono visibili o chiari all'occhio umano.

In questo caso, l'apprendimento significa che l'algoritmo pondera in modo diverso le anomalie microscopiche e, con l'aumentare della quantità di dati, "capisce" sempre meglio quale combinazione è indicativa di cancro. Nella fase di test, riceve nuove carte di cui non conosce il rovescio. Deve decidere da solo se l'immagine indica il cancro o meno.

Il risultato: con un'accuratezza dell'85%, l'algoritmo è stato in grado di distinguere correttamente tra persone sane e malate, indipendentemente dal tipo di tumore. "È la prima volta al mondo che siamo riusciti a utilizzare le immagini della cromatina delle cellule del sangue come marcatori tumorali", afferma Shivashankar. Si tratta di un passo promettente verso la diagnostica basata sui dati, che in futuro potrebbe fornire ai medici un supporto mirato per la diagnosi precoce, in modo efficiente ed economico. Secondo i ricercatori, le prime applicazioni cliniche dovrebbero essere possibili entro tre-cinque anni.