Un team di scienziati giapponesi ha recentemente sviluppato un sistema di deep learning capace di prevedere con maggiore efficacia rispetto ai medici la qualità degli organoidi durante le prime fasi del loro sviluppo. Questo progresso potrebbe rivoluzionare la ricerca biomedica, migliorando la selezione e l’utilizzo di questi “mini-organi” in vari ambiti clinici.
Gli organoidi sono strutture tridimensionali coltivate in laboratorio che riproducono la complessità degli organi umani. Derivati da cellule staminali, questi “mini-organi” rappresentano modelli biologici più accurati rispetto alle tradizionali colture cellulari bidimensionali. Tuttavia, la loro coltura è un processo complesso che richiede una precisione e un controllo straordinari. È qui che entra in gioco l’intelligenza artificiale (IA), con la sua capacità di gestire e analizzare enormi quantità di dati, ottimizzare i protocolli sperimentali e prevedere gli esiti biologici.
Il team, guidato da Hidetaka Suga della Kyushu University, ha focalizzato la sua attenzione sugli organoidi ipotalamo-ipofisari, che imitano le funzioni della ghiandola pituitaria, responsabile della produzione dell’ormone adrenocorticotropo (ACTH). Questo ormone è cruciale nella regolazione dello stress, del metabolismo, della pressione sanguigna e dell’infiammazione. Una sua carenza può portare a sintomi come affaticamento e anoressia.
Gli organoidi, derivati da cellule staminali sospese in liquido, sono estremamente sensibili a piccoli cambiamenti ambientali, il che può portare a variabilità nel loro sviluppo e nella qualità finale. Tradizionalmente, la valutazione della qualità degli organoidi si basa sull’osservazione visiva da parte di esperti, un processo soggettivo e dispendioso in termini di tempo.
Per superare queste limitazioni, i ricercatori hanno addestrato il loro modello di deep learning utilizzando 1.200 immagini in campo chiaro di organoidi, suddivise in diverse categorie di qualità. Ulteriori 300 immagini sono state utilizzate per testare l’efficacia del modello. Il sistema ha dimostrato una precisione del 70% nel classificare le immagini degli organoidi, superando il tasso di successo inferiore al 60% ottenuto dai ricercatori umani.
Questo approccio non solo migliora l’accuratezza nella selezione degli organoidi di alta qualità, ma riduce anche significativamente i tempi e i costi associati alla loro produzione. Inoltre, l’utilizzo dell’IA elimina la necessità di modifiche genetiche negli organoidi per scopi di monitoraggio, rendendo il processo più sicuro e applicabile in contesti clinici, come i trapianti.