Un nuovo modello di intelligenza
artificiale per la previsione di terapie personalizzate in
oncologia: consente di predire quali siano i candidati farmaci
che potrebbero essere più efficaci nel ridurre la crescita
tumorale a partire dall'informazione genomica dei pazienti, ed
in particolare del livello di espressione dei loro geni
(trascrittomica). E' quanto spiega la Scuola Normale di Pisa il
cui gruppo di bioinformatica del laboratorio di biologia ha
elaborato il nuovo metodo. In particolare il nuovo modello è
stato elaborato dal perfezionando in Ia Francesco Carli, sotto
la supervisione di Francesco Raimondi, responsabile del gruppo
di bioinformatica del Laboratorio. Il metodo è stato pubblicato
sulla rivista scientifica Nature Communications.
L'approccio, chiamato CellHit, è stato addestrato su grandi
banche dati di sensibilità di linee cellulari di cancro al
trattamento con migliaia di farmaci, sia oncologici che
non-oncologici. Mediante una procedura innovativa basata su
modelli di linguaggio (MixtralAI e ChatGPT), sono stati annotati
per ogni farmaco i geni responsabili del loro meccanismo
d'azione. Questo dato è stato fondamentale per dimostrare sia
che i modelli avevano appreso i meccanismi di azione dei
farmaci, sia per aumentare ulteriormente le performance
predittive. La capacità di CellHit di predire in modo efficace
terapie individuali e in combinazione, spiega ancora la Normale,
è stata successivamente validata analizzando migliaia di dati
pubblici di trascrittomica di pazienti oncologici, per cui i
migliori farmaci predetti dal modello erano quelli
effettivamente prescritti per il tumore specifico. Questo
approccio è stato poi utilizzato per processare i dati
trascrittomici di pazienti affetti da adenocarcinoma
pancreatico, in collaborazione con il gruppo guidato da
Gioacchino Natoli allo Ieo di Milano e di pazienti affetti da
glioblastoma multiforme, in collaborazione con il gruppo guidato
da Chiara Maria Mazzanti alla Fondazione Pisana per la scienza.
Il modello CellHit, spiega infine la Normale, "sarà
liberamente disponibile online al seguente indirizzo
(https://cellhit.bioinfolab.sns.it/), consentendo a ricercatori
clinici di identificare in tempi rapidi potenziali approcci
terapeutici innovativi per pazienti oncologici".
Riproduzione riservata © Copyright ANSA
