Per fare una diagnosi di cancro è necessario che un patologo esperto esamini a occhio nudo i campioni di tessuto colorati con specifiche colorazioni, senza bisogno di tecnologie particolari. Negli ultimi anni, però, l’uso dell’intelligenza artificiale (IA) per analizzare queste immagini è cresciuto, migliorando la nostra capacità di esaminare, offrendo approcci che possono superare i limiti della valutazione visiva e ottenere informazioni più dettagliate sui tessuti cancerosi.
Un nuovo studio pubblicato su Cancer Research rivela come l’uso degli algoritmi di IA potrebbe trasformare la diagnosi dei tumori. I ricercatori dell’Humanitas Research Hospital, guidati dalla ricercatrice senior Federica Marchesi, professore associato presso Università degli Studi di Milano e dal suo team, hanno identificato la posizione delle cellule immunitarie nei campioni istopatologici di 158 campioni umani di carcinoma polmonare non a piccole cellule, cosiddetto NSCLC.
Le implicazioni vanno oltre la diagnosi del cancro, poiché la ricerca mostra che la posizione relativa delle cellule immunitarie e tumorali può rivelare molto sull’evoluzione della malattia e su come i pazienti risponderanno alle terapie.
Combinando i dati ottenuti da tessuti colorati con metodi tradizionali e tecnologie avanzate come la citometria di massa per immagini (IMC), è stato sviluppato un classificatore capace di prevedere la prognosi dei pazienti, distinguendo tra tumori “caldi” e “freddi” in base alla presenza di cellule immunitarie. I pazienti con tumori “caldi”, caratterizzati da un’elevata infiltrazione di queste cellule, sono associati a una prognosi migliore, mentre quelli con tumori “freddi”, con una minore presenza di cellule immunitarie spesso confinate all’esterno della massa tumorale, sono associati a esiti significativamente peggiori.
Questi algoritmi di AI sono stati addestrati per “vedere” oltre quanto rivelato dai metodi tradizionali, sbloccando il potenziale di miglioramenti nella cura dei pazienti. Lo studio rappresenta un momento cruciale verso trattamenti più personalizzati ed efficaci da applicare anche per altri tipi di cancro.
Anche se l’uso dell’IA in questo campo è promettente, la validazione su larga scala è necessaria per migliorare la diagnosi e la previsione della risposta ai trattamenti. Finora, l’IA per l’analisi dei tessuti è stata approvata solo per alcune applicazioni, ma potrebbe offrire nuove opportunità per personalizzare le terapie oncologiche in futuro.
di Valentino Ribecco