Pubblicato su Scientific Reports lo studio IIT-CNR di un algoritmo per prevedere la sopravvivenza delle pazienti a 5 anni dall'asportazione del tumore, depositate anche le domande di brevetto.
Si stima che per il 2020 negli Stati Uniti il numero di nuovi casi di cancro al seno nelle pazienti di sesso femminile sia pari a circa 276.000 (il 30% di tutti i nuovi casi di tumore nelle pazienti di sesso femminile) e il numero di decessi causati dal cancro al seno nelle stesse pazienti sia di circa 42.000 (il 15% di tutti i decessi dovuti a tumori nelle pazienti di sesso femminile). Numeri che rendono il tumore al seno il primo tipo di tumore per numero di nuovi casi, e il secondo tipo di tumore come causa di morte nelle pazienti di sesso femminile. Classifiche simili si osservano in Europa e Cina.
Per una paziente affetta da tumore al seno che abbia subito l’asportazione chirurgica del tessuto tumorale è fondamentale decidere un percorso di cura post-operatorio che prevenga la recidiva della malattia tumorale e la formazione di metastasi. La bioinformatica interviene al fianco della cosiddetta medicina di precisione in questi casi proprio per aiutare gli oncologi a calcolare l’efficacia reale delle cure proposte e le prospettive di sopravvivenza del paziente.
È uscito in questi giorni su Scientific Reports, rivista del gruppo Nature, uno studio a firma di Marco Pellegrini, Dirigente di ricerca IIT-CNR, che può rappresentare un importante traguardo in questo settore. L’articolo, dal titolo “Accurate prediction of breast cancer survival through coherent voting networks with gene expression profiling”, descrive come Pellegrini abbia individuato un nuovo metodo di classificazione supervisionato dall’apprendimento automatico (machine learning) e lo abbia applicato alla previsione di sopravvivenza a 5 anni per i pazienti con tumore al seno rimossi chirurgicamente, utilizzando livelli di espressione genica misurati dai campioni del tumore e tenendo conto ovviamente delle terapie successive all’operazione. Più di 2000 dati provenienti da una lista di pazienti oncologici sono stati utilizzati per addestrare, convalidare e testare l’intelligenza artificiale: il risultato finale indica una capacità predittiva superiore a quella dei metodi attualmente in uso.
“La nostra invenzione metodologica ha seguito due direttrici”, spiega Marco Pellegrini. “Da un lato abbiamo attinto al sequenziamento genetico e a biomarcatori di campioni di tessuto asportato, dall’altro abbiamo inserito ed analizzato questi dati in un “predittore”, uno strumento di intelligenza artificiale basato su un nuovo algoritmo. Ciò ha consentito di raggiungere un’accuratezza di predizione dell’80% ed in alcuni casi del 90%”.
La metodologia individuata da Pellegrini può fornire un importante contributo alle decisioni cliniche sulla terapia per il tumore al seno e dare ai medici uno strumento in più per personalizzare la cura ed innalzare le probabilità di sopravvivenza dei loro pazienti. Per questo la scoperta è stata oggetto di deposito della domanda di brevetto in Italia, negli Stati Uniti e nella Comunità europea.