La nuova tecnologia di intelligenza artificiale integra più tipi di dati per prevedere gli esiti del cancro
I ricercatori rivelano un modello proof-of-concept che incorpora genomica e istologia per fornire informazioni prognostiche avanzate e basate sui dati per i pazienti con cancro
Sebbene sia noto da tempo che la previsione degli esiti nei pazienti con cancro richiede la considerazione di molti fattori, come la storia del paziente, i geni e la patologia della malattia, i medici lottano con l’integrazione di queste informazioni per prendere decisioni sulla cura del paziente. Un nuovo studio condotto da ricercatori del Mahmood Lab del Brigham and Women’s Hospital rivela un modello proof-of-concept che utilizza l’intelligenza artificiale (AI) per combinare più tipi di dati provenienti da diverse fonti per prevedere gli esiti dei pazienti per 14 diversi tipi di cancro. I risultati sono pubblicati in Cancer Cell.
Gli esperti dipendono da diverse fonti di dati, come il sequenziamento genomico, la patologia e l’anamnesi del paziente, per diagnosticare e prognosticare diversi tipi di cancro. Sebbene la tecnologia esistente consenta loro di utilizzare queste informazioni per prevedere i risultati, l’integrazione manuale dei dati provenienti da diverse fonti è impegnativa e gli esperti spesso si trovano a fare valutazioni soggettive.
“Gli esperti analizzano molte prove per prevedere quanto bene può fare un paziente”, ha affermato Faisal Mahmood, PhD, assistente professore presso la Divisione di Patologia Computazionale al Brigham e membro associato del Cancer Program presso il Broad Institute di Harvard e MIT . “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”.
Attraverso questi nuovi modelli di intelligenza artificiale, Mahmood e colleghi hanno scoperto un mezzo per integrare diverse forme di informazioni diagnostiche in modo computazionale per produrre previsioni dei risultati più accurate. I modelli di intelligenza artificiale dimostrano la capacità di effettuare determinazioni prognostiche scoprendo anche le basi predittive delle caratteristiche utilizzate per prevedere il rischio del paziente, una proprietà che potrebbe essere utilizzata per scoprire nuovi biomarcatori.
I ricercatori hanno costruito i modelli utilizzando The Cancer Genome Atlas (TCGA), una risorsa pubblicamente disponibile contenente dati su molti diversi tipi di cancro. Hanno quindi sviluppato un algoritmo multimodale basato sul deep learning in grado di apprendere informazioni prognostiche da più origini dati. Creando prima modelli separati per istologia e dati genomici, potrebbero fondere la tecnologia in un’unica entità integrata che fornisce informazioni prognostiche chiave. Infine, hanno valutato l’efficacia del modello alimentandolo con set di dati da 14 tipi di cancro, nonché dati istologici e genomici del paziente. I risultati hanno dimostrato che i modelli hanno prodotto previsioni sull’esito del paziente più accurate rispetto a quelli che incorporano solo singole fonti di informazione.
Questo studio evidenzia che l’utilizzo dell’IA per integrare diversi tipi di dati clinicamente informati per prevedere gli esiti della malattia è fattibile. Mahmood ha spiegato che questi modelli potrebbero consentire ai ricercatori di scoprire biomarcatori che incorporano diversi fattori clinici e comprendere meglio di che tipo di informazioni hanno bisogno per diagnosticare diversi tipi di cancro. I ricercatori hanno anche studiato quantitativamente l’importanza di ciascuna modalità diagnostica per i singoli tipi di cancro e il vantaggio dell’integrazione di modalità multiple.
I modelli di intelligenza artificiale sono anche in grado di chiarire le caratteristiche patologiche e genomiche che guidano le previsioni prognostiche. Il team ha scoperto che i modelli utilizzavano le risposte immunitarie dei pazienti come marker prognostici senza essere addestrati a farlo, una scoperta degna di nota dato che la ricerca precedente mostra che i pazienti i cui tumori provocano risposte immunitarie più forti tendono a sperimentare risultati migliori.
Sebbene questo modello proof-of-concept riveli un ruolo ritrovato per la tecnologia di intelligenza artificiale nella cura del cancro, questa ricerca è solo un primo passo nell’implementazione clinica di questi modelli. L’applicazione di questi modelli in clinica richiede l’incorporazione di set di dati più ampi e la convalida su grandi coorti di test indipendenti. Andando avanti, Mahmood mira a integrare ancora più tipi di informazioni sui pazienti, come scansioni radiologiche, storie familiari e cartelle cliniche elettroniche, e alla fine portare il modello negli studi clinici.
“Questo lavoro pone le basi per studi di intelligenza artificiale più ampi che combinano dati provenienti da più fonti”, ha affermato Mahmood. “In un senso più ampio, i nostri risultati sottolineano la necessità di costruire modelli prognostici di patologia computazionale con set di dati molto più grandi e studi clinici a valle per stabilire l’utilità”.
Divulgazioni: Mahmood e il coautore Richard Chen sono gli inventori di un paziente a cui è stata presentata una fusione di dati multimodale corrispondente utilizzando il deep learning.
Finanziamento: questo lavoro è stato sostenuto in parte da BWH President’s Fund, MGH Pathology, Google Cloud Research Grant, Nvidia GPU Grant Program, NIGMS (R35GM138216), una National Science Foundation (NSF) Graduate Fellowship, National Institutes of Health (NIH) National Biblioteca di medicina (NLM) Programma di formazione per la ricerca in informatica e scienza dei dati (T15LM00709), NIH National Human Genome Research Institute (NHGRI) Ruth L. Kirschstein National Research Service Award Borsa di studio per la bioinformatica (T32HG002295) e NIH National Cancer Institute (NCI) ) Premio per il servizio nazionale Ruth L. Kirschstein (T32CA251062).
