In un nuovo articolo pubblicato su Cell Reports Medicine, il team dell’UCL descrive come, in collaborazione con un team dell’Università di Cambridge, abbia sviluppato un nuovo tipo di programma informatico per la previsione della risposta ai trattamenti, che utilizza l’impronta genetica dettagliata di un individuo per esplorare quali trattamenti, se ce ne sono, potrebbero debellare il tumore, soprattutto quando i trattamenti standard si sono rivelati inefficaci.
I modelli computerizzati sono da tempo utilizzati nella medicina oncologica e, più recentemente, l’intelligenza artificiale ha aperto nuove prospettive in questo campo.
Tuttavia, la natura di “scatola nera” dell’IA “tradizionale” associata ai modelli linguistici complessi (Large Language Models), in cui non è chiaro come giungano alle loro conclusioni, ha suscitato un certo scetticismo tra i medici, hanno affermato i ricercatori.
Nello sviluppo del loro modello, specificamente per raccomandare opzioni di trattamento per il carcinoma mammario triplo negativo (TNBC), un tumore difficile da trattare, il team dell’UCL ha utilizzato una forma di intelligenza artificiale chiamata “IA simbolica”, che si basa sulla logica piuttosto che sulla previsione e il cui funzionamento è chiaramente visibile.
Il tumore al seno triplo negativo (TNBC) è una forma aggressiva e a rapida crescita di cancro al seno che rappresenta circa il 15% di tutti i casi di tumore al seno.
Per testare l’efficacia del loro approccio, il team ha creato tumori generati al computer – o “gemelli digitali” – che riproducevano i tumori reali di 31 pazienti coinvolti nello studio clinico PARTNER (Platinum and PolyAdenosine 5′-Diphosphoribose Polymerisation Inhibitor for Research and Treatment of Neo-Adjuvant Early and Relapse-Risk Breast Cancer) utilizzando le loro informazioni genetiche.
Hanno quindi replicato il processo condotto dai ricercatori durante la sperimentazione, ma sotto forma di simulazione computerizzata: su ciascun gemello digitale, hanno osservato cosa accadeva quando il tumore veniva trattato con la sola chemioterapia o con la chemioterapia e un farmaco chiamato Olaparib, noto per essere efficace nel trattamento del tumore al seno triplo negativo in alcuni casi. Hanno anche effettuato una simulazione di controllo in cui non è stato somministrato alcun trattamento.
Hanno quindi confrontato i risultati delle simulazioni al computer con quelli della sperimentazione clinica e hanno scoperto che il programma informatico prevedeva correttamente l’efficacia del trattamento nel 74% dei casi.
I gemelli digitali hanno anche suggerito dei modi per aiutare i pazienti i cui tumori non avevano risposto bene al trattamento.
In 12 dei 13 pazienti che non hanno risposto completamente al trattamento, i modelli hanno identificato almeno un ulteriore trattamento mirato che avrebbe potuto migliorare l’esito.
Per 10 di queste pazienti, i modelli prevedevano che il trattamento aggiuntivo avrebbe potuto indurre un livello di risposta così elevato da rendere improbabile la successiva comparsa di tumori invasivi nel seno e nei linfonodi.
La professoressa Jasmin Fisher (UCL Cancer Institute), autrice principale del lavoro, ha dichiarato: “Abbiamo dimostrato l’ampia e potente gamma di spunti che i tumori virtuali personalizzati potrebbero apportare alla medicina oncologica attraverso il nostro modello computerizzato simbolico basato sull’intelligenza artificiale.
“Identificando approcci terapeutici per i pazienti che non hanno risposto alle terapie standard, il nostro metodo apre la strada all’utilizzo dei gemelli digitali da parte dei medici come strumento per guidare le loro decisioni terapeutiche, in particolare nei tumori difficili da trattare come il tumore al seno triplo negativo.”
“Consideriamo il nostro modello computerizzato un ausilio per la pratica clinica oncologica esistente, non un’alternativa: un modo per generare nuove idee, in particolare in relazione a proteine o geni che potrebbero essere presi di mira in modo da ripristinare, per così dire, la sensibilità del paziente ai farmaci esistenti e rendere tali trattamenti efficaci.”
“In passato, alcuni specialisti in oncologia hanno comprensibilmente guardato ai modelli computerizzati con un certo scetticismo, soprattutto quando si basavano su piattaforme di intelligenza artificiale i cui meccanismi interni non sono visibili – i cosiddetti modelli a scatola nera.”
“Abbiamo aggirato questo problema utilizzando l’intelligenza artificiale simbolica, basata sul ragionamento logico, in cui il modo in cui la piattaforma giunge alle sue risposte può essere facilmente visualizzato e analizzato dai medici.”
“In pratica, l’opzione terapeutica raccomandata dal nostro modello potrebbe, a un esame più attento, essere scartata dal medico, ad esempio se ritiene il farmaco troppo tossico.”
“Ma potrebbe anche indurli a esplorare, e infine a optare per, una terza soluzione che altrimenti non avrebbero preso in considerazione.”
Il tumore al seno triplo negativo (TNBC) è un tipo specifico di tumore al seno in cui le cellule tumorali risultano negative ai recettori degli estrogeni, ai recettori del progesterone e alla proteina HER2. Poiché questi tre marcatori comuni sono assenti, le terapie ormonali standard e i farmaci mirati a HER2 non sono efficaci.
È inoltre spesso caratterizzata da una condizione nota come deficit di ricombinazione omologa, che colpisce circa il 15-20% o più dei casi.
Questa condizione fa sì che il batterio sia in grado di mutare molto rapidamente e in modo molto pericoloso, ma crea anche un importante punto cieco biologico e significa che i farmaci usati per bloccare un particolare enzima – la poli-ADP ribosio polimerasi (PARP), che normalmente aiuta le cellule danneggiate a riparare le rotture del DNA a singolo filamento – possono ucciderlo.