Dalla Scuola Normale di Pisa arriva un nuovo modello di intelligenza artificiale per prevedere terapie personalizzate contro i tumori. A metterlo a punto sono stati i ricercatori di bioinformatica del laboratorio di Biologia della Normale: il metodo 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.
CellHit è stato addestrato e validato su grandi banche dati
Il nuovo modello è stato elaborato dal perfezionando in Intelligenza Artificiale, Francesco Carli, sotto la supervisione del professor 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 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.
Nuove terapie per i tumori più difficili da trattare
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, Istituto europeo di Encologia 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 (Pisa).
“Grazie alla capacità dell’AI di estrapolare informazioni rilevanti da dati estremamente complessi, possiamo immaginare nuovi scenari terapeutici per patologie dove per molto tempo le terapie tradizionali si sono dimostrate inefficienti – spiega Chiara Maria Mazzanti – inoltre, il potenziale dell’intelligenza artificiale va ben oltre perché non solo apre la strada a farmaci nuovi, ma consente anche di rivalutare farmaci sviluppati per altre malattie, rivelando nuove applicazioni contro il cancro.”
“Per neoplasie di straordinaria aggressività e molto limitate opzioni terapeutiche come l’adenocarcinoma del pancreas e glioblastoma multiforme, la possibilità di predire l’efficacia di specifici farmaci o combinazioni di farmaci con approcci di intelligenza artificiale potrà fornire un contributo essenziale per la razionalizzazione di nuove sperimentazioni precliniche e cliniche” aggiunge uno dei coautori dello studio, Gioacchino Natoli.
Il modello a disposizione di tutti i ricercatori
Lo studio è stato reso possibile grazie ai finanziamenti dell’Associazione Italiana per la ricerca sul Cancro, del Dipartimento di Eccellenza della Scuola Normale Superiore, dell’ecosistema Toscano per la Salute (Tuscany Health Ecosystem – THE) e alle risorse di calcolo messe a disposizione dal centro HPC della Scuola e del Centro Italiano di Supercalcolo Cineca attraverso il Supercomputer Leonardo.
“Questo studio rappresenta un esempio di come il lavoro di squadra e una ricerca collaborativa e multidisciplinare, potenziate dalle nuove tecnologie di AI, possano esaltare il talento e le capacità dei singoli, consentendo di arrivare a traguardi difficilmente immaginabili anche solo pochi anni fa. Ma questa è solo la prima pietra: in futuro sarà necessaria una sempre più stretta collaborazione tra scienziati computazionali e sperimentali per tradurre i risultati teorici in terapie innovative ed efficaci” conclude Francesco Raimondi della Normale di Pisa.
Il modello CellHit sarà liberamente disponibile online, consentendo a ricercatori clinici di identificare in tempi rapidi potenziali approcci terapeutici innovativi per pazienti oncologici.
