Il MIT CSAIL, in collaborazione con il dottor Limor Apelbaum dell’Università di Harvard, ha sviluppato due nuovi modelli di intelligenza artificiale, chiamati PRISM Neural Network (PrismNN) e PRISM Logistic Regression (PrismLR), per la diagnosi precoce dell’adenocarcinoma duttale pancreatico (PDAC), una forma mortale di cancro.
Questi modelli sono importanti perché migliorano notevolmente la diagnosi precoce. PRISM, con una soglia di rischio cinque volte superiore rispetto ai metodi tradizionali, può identificare il 35% dei casi di PDAC, rispetto al 10% rilevato dai criteri di screening convenzionali. Questo rappresenta un importante progresso nel rilevamento precoce del cancro, specialmente considerando la difficoltà di diagnosi precoce del pancreas a causa della sua posizione addominale profonda.
Il gruppo di ricerca ha utilizzato un approccio di rete federata, analizzando i dati delle cartelle cliniche elettroniche di oltre cinque milioni di pazienti dagli Stati Uniti. Questo ampio database include informazioni demografiche, diagnosi, farmaci e risultati di laboratorio, garantendo l’affidabilità e l’applicabilità dei modelli a diverse popolazioni e regioni.
PrismNN impiega reti neurali artificiali per identificare modelli complessi, mentre PrismLR utilizza la regressione logistica per un’analisi più diretta, fornendo entrambi una valutazione del rischio PDAC dai dati EHR.
PRISM si distingue nel campo per il suo sviluppo e la validazione su un vasto database, oltrepassando la portata della maggior parte delle ricerche precedenti. Secondo Kai Jia, studente di dottorato al MIT CSAIL e autore senior dell’articolo, PRISM utilizza dati clinici e di laboratorio ordinari per le sue previsioni, e la diversità della popolazione statunitense costituisce un significativo progresso rispetto ad altri modelli PDAC, spesso limitati a specifiche regioni geografiche.
Inoltre, il team ha migliorato la generalizzabilità e l’interpretabilità dei modelli usando una tecnica di regolarizzazione unica nel processo di formazione. L’obiettivo futuro è espandere l’applicabilità dei modelli a dataset internazionali e aggiungere ulteriori biomarcatori per una valutazione del rischio più precisa.
In precedenza, il sistema di intelligenza artificiale AlphaFold di Google DeepMind aveva già contribuito allo sviluppo di trattamenti per il carcinoma epatocellulare (HCC), il tipo più comune di cancro primario al fegato.