Gli esperti di Harvard costruiscono un sistema di intelligenza artificiale multimodale per prevedere 14 tipi di cancro

I modelli di intelligenza artificiale multimodale, formati su numerosi tipi di dati, potrebbero aiutare i medici a sottoporre a screening i pazienti a rischio di sviluppare più tumori diversi in modo più accurato.

I ricercatori del Brigham and Women's Hospital, parte della facoltà di medicina dell'Università di Harvard, hanno sviluppato un modello di apprendimento profondo in grado di identificare 14 tipi di cancro. La maggior parte degli algoritmi di intelligenza artificiale sono addestrati per individuare i segni di malattia da un'unica fonte di dati, come le scansioni mediche, ma questa può ricevere input da più fonti. 

Prevedere se qualcuno è a rischio di sviluppare il cancro non è sempre così semplice, i medici spesso devono consultare vari tipi di informazioni come la storia sanitaria di un paziente o eseguire altri test per rilevare i biomarcatori genetici.

Questi risultati possono aiutare i medici a capire il miglior trattamento per un paziente mentre monitorano la progressione della malattia, ma la loro interpretazione dei dati può essere soggettiva, Faisal Mahmood, un assistente professore che lavora presso la Divisione di Patologia Computazionale presso il Brigham and Women's Ospedale, ha spiegato. 

“Gli esperti analizzano molte prove per prevedere quanto bene possa fare un paziente. Questi primi esami diventano la base per prendere decisioni circa l'iscrizione a uno studio clinico o regimi di trattamento specifici. Ma ciò significa che questa previsione multimodale avviene a livello dell'esperto. Stiamo cercando di affrontare il problema in modo computazionale”, ha detto in a dichiarazione.

Mahmood e i suoi colleghi hanno descritto come un unico sistema globale, composto da numerosi algoritmi basati sull'apprendimento profondo e addestrato su più forme di dati, potrebbe diagnosticare fino a 14 diversi tipi di cancro. I ricercatori hanno utilizzato i dati di formazione del Cancer Genome Atlas (TCGA), una risorsa pubblica contenente dati su diversi tipi di cancro ottenuti da oltre 5,000 pazienti reali, nonché altre fonti di dati.

In primo luogo, per addestrare due modelli separati sono state utilizzate viste microscopiche di tessuti cellulari da immagini a diapositiva intera (WSI) e dati di genomica basati su testo. Questi sono stati quindi integrati in un unico sistema per prevedere se i pazienti sono ad alto o basso rischio di sviluppare i diversi tipi di cancro. Il modello potrebbe anche aiutare gli scienziati a trovare o confermare i marcatori genetici associati a determinate malattie, hanno affermato i ricercatori. 

"L'uso dell'apprendimento profondo, la fusione multimodale di biomarcatori molecolari e le caratteristiche morfologiche estratte dai WSI ha una potenziale applicazione clinica non solo nel migliorare la precisione nella stratificazione del rischio del paziente, ma potrebbe anche aiutare nella scoperta e nella convalida di biomarcatori multimodali in cui gli effetti combinatori dell'istologia e dei biomarcatori genomici sono non noto", ha scritto il team in un giornale pubblicato lunedì in Cancer Cell.

Mahmood ha detto Il registro l'attuale studio è stato un proof of concept nell'applicazione di modelli multimodali per prevedere il rischio di cancro. "Dobbiamo addestrare questi modelli con molti più dati, testare questi modelli su grandi coorti di test indipendenti ed eseguire studi prospettici e studi clinici per stabilire l'efficacia di questi modelli in un contesto clinico", ha concluso. ®