Il modello sviluppato a Pisa
Il modello rivoluzionario per le cure tumorali personali, l’IA può interpretare il farmaco più adatto per la malattia
L’ultima svolta arriva grazie ai ricercatori della Scuola Normale Superiore di Pisa. Raimondi: “Trasferire le conoscenze dal laboratorio alla sperimentazione clinica”
E se l’Intelligenza Artificiale potesse identificare il farmaco migliore per ogni singolo paziente oncologico? I ricercatori della Scuola Normale Superiore di Pisa hanno sviluppato un modello che promette di rivoluzionare la medicina personalizzata, come dimostra il loro recente studio pubblicato su Nature Communications. “Questa linea di ricerca – spiega il professor Francesco Raimondi – si inserisce nel programma THE, l’ecosistema della salute finanziato dal Pnrr, con l’obiettivo di sfruttare le tecniche di bioinformatica e gli algoritmi di Intelligenza Artificiale per suggerire nuovi approcci terapeutici mirati, verso una medicina sempre più personalizzata. Non solo trovare il farmaco più adatto per una determinata patologia, ma soprattutto per quel singolo paziente”.
Il team ha utilizzato vaste banche dati di farmacogenomica messe a punto da istituzioni internazionali come il Wellcome Sanger Institute di Cambridge e il Broad Institute di Boston. Questi dataset comprendono informazioni su circa 300 farmaci oncologici e oltre 4.000 farmaci non oncologici testati su centinaia di linee cellulari tumorali. “Grazie a questi dati, possiamo addestrare algoritmi predittivi di Intelligenza Artificiale per individuare farmaci già approvati o in fase avanzata di sperimentazione che potrebbero essere riposizionati per nuove indicazioni oncologiche”, aggiunge Raimondi.
Un aspetto cruciale della ricerca è la possibilità di accelerare il processo di individuazione di nuove terapie, riducendo i tempi necessari per portare un farmaco dalla fase di scoperta alla clinica. “Ci auguriamo di poter accorciare sensibilmente i tempi di validazione e applicazione di nuove terapie oncologiche”, afferma Raimondi. A illustrare il funzionamento del modello sviluppato è Francesco Carli, dottorando presso il Laboratorio di Bioinformatica: “Il nostro modello combina due approcci dell’Intelligenza Artificiale: predittivo e generativo. Utilizziamo tecniche di machine learning per analizzare la ‘carta d’identità’ delle cellule tumorali, valutando quali proteine vengono espresse e come queste influenzino la risposta ai farmaci. È un problema complesso: dobbiamo analizzare circa mille linee cellulari e oltre ventimila geni per predire la sensibilità ai farmaci”.
Ma il vero valore aggiunto della ricerca sta nell’interpretabilità del modello. “Uno dei limiti più grandi dell’Intelligenza Artificiale in ambito biomedico è la trasparenza delle decisioni dell’algoritmo. Il nostro modello, invece, è interpretabile: siamo in grado di identificare i geni chiave che influenzano la predizione della sensibilità ai farmaci, permettendoci di formulare nuove ipotesi biologiche”, sottolinea Carli. L’intelligenza artificiale generativa gioca un ruolo fondamentale nel processo. “Usiamo modelli di linguaggio avanzati per generare descrizioni testuali dei farmaci analizzati e per identificare i processi biologici più rilevanti”, spiega Carli. “Questo approccio ci consente di combinare dati sperimentali e conoscenze biologiche, migliorando la precisione delle nostre previsioni e facilitando il riposizionamento di farmaci già esistenti per nuove indicazioni terapeutiche”.
L’importanza di questa ricerca risiede nella sua applicabilità concreta: un approccio che integra bioinformatica, big data e Intelligenza Artificiale per fornire soluzioni terapeutiche personalizzate con un impatto potenzialmente rivoluzionario per la medicina di precisione. Sebbene i risultati siano ancora in fase di validazione, le prospettive sono promettenti. “L’obiettivo finale – conclude Raimondi – è quello di trasferire queste conoscenze dal laboratorio alla sperimentazione clinica, accelerando il percorso di scoperta di nuove cure per i pazienti oncologici”.
© Riproduzione riservata
