Utilizzare l’intelligenza artificiale per migliorare la cura del tumore è tra gli obiettivi della ricerca oncologica. Per fare un punto della situazione, i massimi esperti del settore si sono riuniti presso l’Istituto dei Tumori di Milano per parlare di modelli da applicare negli studi e sperimentazioni.
Tanti i potenziali vantaggi dell’applicazione dell’IA all’oncologia, a partire dalla diagnosi per arrivare alla scelta della migliore terapia per il paziente.
La IA dà la possibilità di analizzare una grande mole di dati, provenienti da diversi ambiti: radiologia, clinica, imaging, anatomia patologica, radiomica, genomica, sequenziamento dell’RNA e profilo immunitario circolante e di trasformarli in algoritmi di supporto alle scelte del clinico.
Per poter utilizzare al meglio gli strumenti offerti dall’IA è però necessario conoscerne metodi e modelli, così da poterli sfruttare al meglio nelle proprie sperimentazioni.
Potenziale e affidabilità dell’IA
Tra i temi discussi dagli esperti ci sono: analisi delle immagini radiologiche, diagnostica patologica, multi-omica, scambio dei dati, aspetti etici e legali.
A tal proposito Arsela Prelaj, oncologa e ricercatrice dell’INT e coordinatrice del Laboratorio di intelligenza artificiale dell’Istituto, spiega: «allo stato attuale delle conoscenze, possiamo prevedere che l’impatto maggiore sarà sulla diagnostica, in particolare nel campo dell’analisi delle immagini PET, TAC e di risonanza magnetica.
L’obiettivo è utilizzare l’IA per aiutare radiologi e anatomopatologi nella refertazione, non solo automatizzando le fasi più ripetitive, ma anche interpretando in modo più profondo le immagini dal punto di vista morfologico e istologico, o consentendo di individuare con più precisione i fenotipi genomici della patologia. Inoltre, la fase di previsione dei trattamenti oncologici va un po’ oltre la fase della diagnostica, ma anche in questo campo i risultati sono promettenti».
Importante soprattutto il tema dell’affidabilità dell’IA: «il concetto fondamentale è quello della generalizzabilità: un algoritmo che ha funzionato bene su un certo insieme di dati è giudicato robusto e affidabile quando funziona altrettanto bene su un altro insieme di dati», aggiunge Prelaj. Durante l’evento sono stati presentati anche due studi condotti dell’Istituto dei Tumori di Milano incentrati sull’applicazione della IA in ambito clinico.
I3LUNG e APOLLO11
Il primo dei due studi, I3LUNG è dedicato, come indica il nome stesso, al tumore ai polmoni, prima causa di morte oncologica negli uomini e seconda nelle donne. Coordinato dall’Istituto Milanese, lo studio vede la partecipazione di 16 partner internazionali e ha ricevuto un finanziamento dall’Unione Europea di 10 milioni di euro.
Il team di ricerca indaga la capacità del deep learning e del machine learning di analizzare in modo automatico i dati disponibili sul tumore non a piccole cellule metastatico e, in particolare, sull’espressione del PD-L1, unico biomarcatore al momento disponibile.
Questo studio «si compone di una parte retrospettiva, su dati relativi a soggetti che hanno già ricevuto l’immunoterapia o la stanno ricevendo, per un totale di 2188 pazienti coinvolti nei sei centri clinici, di cui 731 afferenti all’INT, e una parte prospettica, che coinvolgerà più di 170 soggetti, di cui 47 sono i cosiddetti pazienti “omici”, per i quali, cioè, sono disponibili dati completi», conclude Prelaj.
Il secondo studio, invece, APOLLO11, coinvolge pazienti con carcinoma polmonare avanzato trattati con terapie innovative in diversi centri italiani, con lo scopo di raccogliere dati multiomici retrospettivi e prospettivi, tessuti, materiale biologico ematico e dati clinici e radiologici per creare una biobanca virtuale condivisa tra gli istituti coinvolti. La gestione dei dati forniti verrà fatta con tecniche di IA, in particolare di machine learning. L’obiettivo finale è realizzare uno strumento in grado di aiutare medici e pazienti a prendere decisioni sul trattamento.
