Ottobre rosaL’intelligenza artificiale sta aiutando a sconfiggere il cancro al seno

Diversi studi dimostrano come le analisi di software basate su dati aggregati offrano una prevenzione più efficace rispetto ai metodi tradizionali e siano più precise nell’individuazione dei carcinomi mammari (che rappresentano un terzo dei tumori che colpiscono le donne)

Unsplash

Ottobre è il mese della prevenzione del cancro al seno, una tra le principali cause di decesso in tutto il mondo. L’idea del pink october nasce nel 1992, da un’iniziativa della filantropa statunitense Evelyn Lauder, con l’obiettivo di sensibilizzare l’opinione pubblica rispetto a una delle patologie più diffuse tra le donne.

Solo nello scorso anno, nel nostro Paese, sono stati diagnosticati circa 55mila casi di carcinoma mammario; il dato conferma come questo tipo di tumore sia quello che si presenta con maggiore frequenza nel genere femminile (circa un caso su tre), non solo in Italia ma anche a livello globale. Negli anni Settanta, una donna a cui veniva diagnosticato questo tipo di neoplasia aveva circa il 60 per cento di probabilità di morire nell’arco dei successivi dieci anni. Oggi, grazie soprattutto alla comunicazione e all’enfasi data alla diagnosi precoce, la percentuale è scesa al 13 per cento: prima viene rilevato il male, più facilmente può essere curato.

Non tutti lo sanno, ma l’intelligenza artificiale sta svolgendo un ruolo sempre più importante sul fronte della prevenzione di questa malattia. Lo dimostra uno studio condotto dai ricercatori della New York University, che ha prodotto un software in grado di migliorare l’accuratezza dell’imaging del cancro (una diagnostica per immagini effettuata tramite un esame a ultrasuoni con onde sonore ad alta frequenza che passano attraverso i tessuti). Il programma è stato sviluppato e “addestrato” per identificare modelli tumorali tra migliaia di immagini ecografiche del seno e aiutare, attraverso un confronto incrociato, la diagnosi.

L’analisi svolta dall’Ia creata del team della New York University riguarda un campione incredibilmente esteso, che ha coinvolto quasi 290mila esami ecografici effettuati da oltre 140mila pazienti ospedalieri in un arco di tempo di sette anni (2012-2018). Quando è stato testato su quasi 45mila esami già completati, il sistema ha dimostrato di migliorare del 37 per cento la capacità del radiologo nell’individuare il cancro.

L’applicazione di questo tipo di tecnologie informatiche, tuttavia, rivela grandi potenzialità anche nella previsione dell’aspettativa di vita per i soggetti che sono stati già sottoposti a cure: va in questa direzione lo studio dell’Istituto di informatica e telematica (Iit) del Consiglio nazionale delle ricerche (Cnr), firmato del dirigente di ricerca Marco Pellegrini e pubblicato a luglio su Scientific Reports (rivista del gruppo Nature). Lo studio utilizza un metodo computazionale che gestisce e analizza una lista di geni marcatori per prevedere la sopravvivenza di un paziente a cinque anni di distanza dall’asportazione del tessuto tumorale, indipendentemente dal percorso terapeutico scelto.

Pellegrini ha individuato un nuovo metodo di classificazione basato dall’apprendimento automatico del computer (machine learning) e lo ha applicato al calcolo per l’aspettativa di vita delle pazienti precedentemente sottoposte a rimozione chirurgica del tumore. Le misurazioni vengono effettuate sulla base di un database di sequenze genetiche (derivate da esami di biopsie) composto da duemila soggetti: anche in questo caso, i dati sono stati utilizzati per addestrare, convalidare e testare un’intelligenza artificiale.

Attraverso il confronto incrociato che ne è seguito, il software ha indicato una capacità predittiva maggiormente affidabile rispetto a quella registrata dai metodi tradizionali (visite e consultazioni presso un oncologo). Questo innovativo modus operandi fornisce un importante contributo alla terapia per il tumore al seno, tanto che una domanda di brevetto della scoperta è stata depositata anche all’estero, come negli Stati Uniti.

Gli studi della New York University e di Pellegrini, ad ogni modo, non rappresentano casi isolati. Questo approccio trova conferma in altre ricerche nell’ambito della ricerca oncologica internazionale: gli esperti costruiscono enormi banche dati che abbinano le caratteristiche tumorali (potenziali biomarcatori) a specifiche risposte di trattamento nei pazienti.

Esempi di sperimentazioni provengono da tutto il mondo: la società britannica Kheiron Medical Technologies prevede di utilizzare sistemi basati su intelligenza artificiale per lo screening del cancro al seno su mezzo milione di donne, la Spanish Blue Box sta sviluppando un dispositivo in grado di rilevare il malanno attraverso il confronto di campioni di urina, mentre la compagnia indiana Niramai sta lavorando a uno strumento poco costoso che potrebbe esaminare un gran numero di individui nelle aree rurali del Paese.

Il progetto PredAlgoBC, infine, nasce dalla combinazione di database di dati provenienti sia dall’Europa sia dagli Stati Uniti. Le matrici di dati raccolti, in questo caso, sono state divise in due parti: la prima è stata usata per insegnare all’algoritmo come prevedere meglio i risultati del trattamento, la seconda per verificare la performance di previsione del sistema. Questa classificazione delle variabili ha permesso al team di ricerca di individuare come fattori chiave del tumore alcuni elementi legati allo sviluppo neurale. Una scoperta storica, dal momento che un simile legame non era mai stato individuato formalmente prima.