Nuovo tool AI DeepPT migliora la risposta ai trattamenti oncologici

Tempo di lettura: 2 minuti
Di Giovanni Dosa
- in
Modello di intelligenza artificiale che analizza profili di mRNA e campioni di tessuto.

RomeUn nuovo strumento AI chiamato DeepPT è stato sviluppato per migliorare il trattamento del cancro. Creato dai ricercatori dell'Australian National University (ANU), è in grado di prevedere il profilo mRNA di un paziente, fondamentale per la produzione di proteine e la personalizzazione delle terapie oncologiche. DeepPT è stato realizzato con la collaborazione di scienziati del National Cancer Institute americano e della società farmaceutica Pangea Biomed.

DeepPT ha dimostrato grandi miglioramenti nella previsione delle risposte dei pazienti ai trattamenti contro il cancro. Ha funzionato bene insieme a un altro strumento chiamato ENLIGHT e insieme hanno previsto con precisione le risposte per diversi tipi di cancro. Il dottor Danh-Tai Hoang dell'ANU ha sottolineato che scegliere il trattamento giusto è cruciale per i risultati dei pazienti, specialmente per i tumori aggressivi.

DeepPT è stato addestrato su un solido dataset:

  • 5.500 pazienti
  • 16 tipi di cancro prevalenti, tra cui seno, polmoni, testa e collo, cervice e pancreas

Con DeepPT, i ricercatori hanno osservato un aumento del tasso di risposta dei pazienti dal 33.3% al 46.5%. Questo incremento è significativo, dimostrando l'utilità dello strumento in contesti clinici reali. Il modello di intelligenza artificiale rappresenta un miglioramento rispetto ai lavori precedenti dello stesso team, che aveva sviluppato uno strumento per la classificazione dei tumori cerebrali, offrendo ora un metodo affidabile utilizzabile anche per altri tipi di cancro.

DeepPT si distingue per l'utilizzo di immagini istopatologiche, fotografie dettagliate dei tessuti dei pazienti. Queste immagini sono facili da ottenere, economiche e rapide da elaborare. Questo permette di evitare lunghe attese per i complessi dati molecolari, che possono richiedere settimane. Una rapida elaborazione è particolarmente cruciale per i pazienti con tumori gravi che necessitano di trattamenti immediati.

DeepPT ed ENLIGHT utilizzano dati clinici per fare previsioni. L'uso di immagini istopatologiche è un metodo innovativo poiché queste immagini sono già una parte integrante della pratica medica quotidiana, facilitando l'integrazione nei flussi di lavoro esistenti. L'aumento del tasso di risposta ai trattamenti suggerisce che l'intelligenza artificiale potrebbe giocare un ruolo cruciale nella medicina personalizzata per il cancro.

Questo studio, pubblicato su Nature Cancer, dimostra la sua affidabilità scientifica. Collaborare con organizzazioni rinomate come il National Cancer Institute e Pangea Biomed ne rafforza ulteriormente la credibilità.

Questo progresso rappresenta un passo speranzoso verso trattamenti migliori contro il cancro. Illustra come la collaborazione tra diverse discipline e le tecnologie informatiche all'avanguardia possano portare veri miglioramenti nel campo della sanità.

L'intelligenza artificiale sta acquisendo un ruolo cruciale in medicina, con strumenti come DeepPT che aprono nuove strade. Questi strumenti rendono la medicina personalizzata più accessibile ed efficace. Utilizzando dati clinici comuni, possono connettere la ricerca alla cura dei pazienti, offrendo nuove speranze per migliori risultati nei pazienti oncologici.

Sarà interessante vedere come evolverà questo strumento e se potrà essere applicato anche ad altre malattie. Al momento, rappresenta un grande passo avanti nella lotta contro il cancro.

Lo studio è pubblicato qui:

http://dx.doi.org/10.1038/s43018-024-00793-2

e la sua citazione ufficiale - inclusi autori e rivista - è

Danh-Tai Hoang, Gal Dinstag, Eldad D. Shulman, Leandro C. Hermida, Doreen S. Ben-Zvi, Efrat Elis, Katherine Caley, Stephen-John Sammut, Sanju Sinha, Neelam Sinha, Christopher H. Dampier, Chani Stossel, Tejas Patil, Arun Rajan, Wiem Lassoued, Julius Strauss, Shania Bailey, Clint Allen, Jason Redman, Tuvik Beker, Peng Jiang, Talia Golan, Scott Wilkinson, Adam G. Sowalsky, Sharon R. Pine, Carlos Caldas, James L. Gulley, Kenneth Aldape, Ranit Aharonov, Eric A. Stone, Eytan Ruppin. A deep-learning framework to predict cancer treatment response from histopathology images through imputed transcriptomics. Nature Cancer, 2024; DOI: 10.1038/s43018-024-00793-2
Intelligenza Artificiale: Ultime notizie

Condividi questo articolo

Commenti (0)

Pubblica un commento