Gli esseri umani quando si tratta di identificare modelli in montagne di dati, non possono competere con l’intelligenza artificiale (AI), in particolare, una branca dell’intelligenza artificiale chiamata apprendimento automatico viene spesso utilizzata per trovare regolarità nei set di dati, sia per l’analisi del mercato azionario, sia per il riconoscimento di immagini e voce o la classificazione delle cellule.
Il team di ricercatori guidato da Altuna Akalin, capo della piattaforma di bioinformatica e scienza dei dati presso il Max Delbrück Center for Molecular Medicine nell’Helmholtz Association (MDC), per distinguere in modo affidabile le cellule tumorali dalle cellule sane, ha ora sviluppato un programma di apprendimento automatico chiamato “Ikarus”. Il programma pubblicato nella rivista Genome Biology, ha trovato un modello nelle cellule tumorali comune a diversi tipi di cancro, costituito da una caratteristica combinazione di geni.
L’apprendimento automatico significa essenzialmente che un algoritmo utilizza i dati di addestramento per imparare a rispondere da solo a determinate domande. Lo fa cercando modelli nei dati che lo aiutino a risolvere i problemi. Il sistema dopo la fase di addestramento, può generalizzare da ciò che ha appreso per valutare i dati sconosciuti.
Jan Dohmen, ha partecipato allo sviluppo del programma di apprendimento automatico “Ikarus”, ha detto:
«È stata una sfida importante ottenere dati di addestramento adeguati in cui gli esperti avevano già distinto chiaramente tra cellule “sane” e “cancerose”».
Percentuale di successo sorprendentemente alta
I set di dati di sequenziamento a singola cellula sono spesso disturbati. Ciò significa che le informazioni che contengono sulle caratteristiche molecolari delle singole cellule non sono molto precise, forse perché in ogni cellula viene rilevato un numero diverso di geni o perché i campioni non vengono elaborati sempre nello stesso modo.
Jan Dohmen e il suo collega Vedran Franke, corresponsabile dello studio, hanno setacciato innumerevoli pubblicazioni e contattato diversi gruppi di ricerca per ottenere set di dati adeguati. Il team ha infine utilizzato i dati delle cellule tumorali del polmone e del colon-retto per addestrare l’algoritmo prima di applicarlo a set di dati di altri tipi di tumori.
Il programma di apprendimento automatico “Ikarus” nella fase di addestramento, ha dovuto trovare un elenco di geni caratteristici che ha poi utilizzato per classificare le cellule.
Jan Dohmen ha detto: «Abbiamo provato e perfezionato vari metodi. Era un lavoro che richiedeva tempo».
Vedran Franke ha spiegato: «La chiave era che Ikarus utilizzasse alla fine due elenchi, uno per i geni del cancro e uno per i geni di altre cellule».
L’algoritmo dopo la fase di apprendimento, è stato in grado di distinguere in modo affidabile tra cellule sane e tumorali anche in altri tipi di cancro, come campioni di tessuto di pazienti con cancro al fegato o neuroblastoma. Il suo tasso di successo tendeva ad essere straordinariamente alto, cosa che ha sorpreso anche il gruppo di ricerca.
Altuna Akalin ha affermato:
«Non ci aspettavamo che ci fosse una firma comune che definisse in modo così preciso le cellule tumorali di diversi tipi di cancro».
Jan Dohmen ha aggiunto: «Non possiamo ancora dire se il metodo funziona per tutti i tipi di cancro».
I ricercatori per trasformare Ikarus in uno strumento affidabile per la diagnosi del cancro, ora vogliono testarlo su altri tipi di tumore.
Intelligenza artificiale come strumento diagnostico completamente automatizzato
Il progetto mira ad andare ben oltre la classificazione delle cellule “sane” rispetto a quelle “cancerose”. Ikarus nei test iniziali, ha già dimostrato che il metodo può distinguere anche altri tipi (e alcuni sottotipi) di cellule da quelle tumorali.
Altuna Akalin ha detto:
«Vogliamo rendere il metodo più completo sviluppandolo ulteriormente in modo che in una biopsia possa distinguere tra tutti i possibili tipi di cellule».
I patologi negli ospedali, tendono a esaminare solo i campioni di tessuto dei tumori al microscopio per identificare i vari tipi di cellule. Si tratta di un lavoro laborioso e che richiede molto tempo.
Altuna Akalin ha detto:
«Questa fase con Ikarus un giorno potrebbe diventare un processo completamente automatizzato. Inoltre, i dati potrebbero essere utilizzati per trarre conclusioni sull’ambiente circostante il tumore. E questo potrebbe aiutare i medici a scegliere la terapia migliore. Infatti, la composizione del tessuto canceroso e del microambiente spesso indica se un determinato trattamento o farmaco sarà efficace o meno. Inoltre, l’intelligenza artificiale potrebbe essere utile anche per sviluppare nuovi farmaci. Ikarus ci permette di identificare i geni che sono potenziali motori del cancro. Si potrebbero quindi utilizzare nuovi agenti terapeutici per colpire queste strutture molecolari».
Ricerca preparata durante la pandemia Covid-19
Un aspetto notevole della ricerca è che è stata preparata interamente durante la pandemia Covid-19. Tutti i ricercatori coinvolti non erano alle loro scrivanie abituali presso il Berlin Institute for Medical Systems Biology (BIMSB), si trovavano nelle loro case e comunicavano tra loro solo per via digitale.
Vedran Franke ha detto:
«Il progetto dimostra che in queste condizioni, è possibile creare una struttura digitale per facilitare il lavoro scientifico».