Il team di bioinformatica del laboratorio di Biologia della Scuola Normale di Pisa ha creato un innovativo modello di intelligenza artificiale per la previsione di terapie personalizzate in oncologia. Questo metodo permette di prevedere quali farmaci possano rivelarsi più efficaci nel contrastare la crescita tumorale, analizzando le informazioni genomiche dei pazienti, in particolare i livelli di espressione genica (trascrittomica).
Il nuovo modello è stato sviluppato dal dottorando in Intelligenza Artificiale, Francesco Carli, sotto la guida del professor Francesco Raimondi, leader del gruppo di bioinformatica del laboratorio. I risultati di questo lavoro sono stati pubblicati sulla rivista scientifica Nature Communications.
L’approccio, denominato CellHit, è stato addestrato utilizzando ampie banche dati contenenti la sensibilità di linee cellulari tumorali a migliaia di farmaci, sia oncologici che non. Grazie a una procedura innovativa basata su modelli linguistici (MixtralAI e ChatGPT), ogni farmaco è stato associato ai geni responsabili del suo meccanismo d’azione. Queste informazioni sono state cruciali per dimostrare che i modelli avevano compreso i meccanismi di azione dei farmaci e per migliorare ulteriormente le capacità predittive.
La competenza di CellHit nell’individuare con precisione terapie personalizzate, sia singole che in combinazione, è stata successivamente convalidata analizzando migliaia di dati pubblici di trascrittomica di pazienti oncologici, dimostrando che i farmaci migliori previsti dal modello corrispondevano a quelli effettivamente prescritti per il tumore specifico. Questo approccio è stato applicato anche ai dati trascrittomici di pazienti con adenocarcinoma pancreatico, in collaborazione con il gruppo di Gioacchino Natoli all’Istituto Europeo di Oncologia di Milano, e di pazienti con glioblastoma multiforme, in collaborazione con Chiara Maria Mazzanti alla Fondazione Pisana Per la Scienza (Pisa).
Gioacchino Natoli (IEO), uno dei coautori dello studio, afferma: “Per neoplasie ad alta aggressività e con opzioni terapeutiche molto limitate, come l’adenocarcinoma del pancreas e il glioblastoma multiforme, la capacità di prevedere l’efficacia di farmaci specifici o combinazioni terapeutiche tramite intelligenza artificiale può rappresentare un contributo cruciale per la razionalizzazione di nuove sperimentazioni precliniche e cliniche.”
Chiara Maria Mazzanti (FPS): “Grazie all’abilità dell’AI di estrarre informazioni significative da dati complessi, possiamo considerare nuove possibilità terapeutiche per patologie dove le terapie tradizionali hanno spesso mostrato la loro inefficacia. Inoltre, il potenziale dell’intelligenza artificiale va ben oltre, poiché non solo apre la strada a nuovi farmaci, ma consente anche di rivalutare farmaci sviluppati per altre malattie, rivelando nuove applicazioni nel trattamento del cancro.”
Francesco Raimondi: “Questo studio è un esempio di come il lavoro di squadra e la ricerca collaborativa e multidisciplinare, potenziate dalle moderne tecnologie AI, possano ampliare le capacità individuali, permettendo di raggiungere risultati inimmaginabili fino a pochi anni fa. Ma questa è solo una prima pietra: in futuro sarà necessaria una collaborazione sempre più intensa tra scienziati computazionali e sperimentali per tradurre i risultati teorici in terapie innovative ed efficaci.”
La ricerca è stata finanziata dall’Associazione Italiana per la Ricerca sul Cancro (AIRC, PI: Francesco Raimondi), dal Dipartimento di Eccellenza della Scuola Normale Superiore, dall’Ecosistema Toscano per la Salute (Tuscany Health Ecosystem – THE) e grazie alle risorse di calcolo fornite dal centro HPC della Scuola e dal Centro Italiano di Supercalcolo Cineca tramite il Supercomputer Leonardo.
Il modello CellHit sarà liberamente disponibile online a questo indirizzo, consentendo ai ricercatori clinici di identificare rapidamente potenziali approcci terapeutici innovativi per pazienti oncologici.
Fonte: Scuola Normale Superiore – Ufficio Stampa
