Utilizzando intelligenza artificiale e deep learning su immagini ad altissima risoluzione del tessuto tumorale, un team di ricercatori che fanno capo alla Stony Brook University, nello stato di New York, ha mappato il modo in cui il sistema immunitario combatte il cancro.
Combinando i dati sulle immagini patologiche di tredici tipi di cancro e correlandoli con i dati clinici e genomici, il team di ricercatori è stato in grado di identificare i linfociti tumorali infiltranti (TIL, tumor-infiltrating lymphocytes), chiamati mappe TIL, che consentiranno agli specialisti della lotta al cancro di generare informazioni tumorali immunitarie dai vetrini patologici raccolti di routine.
Un articolo pubblicato su Cell Reports, spiega come le mappe TIL siano correlate alla caratterizzazione molecolare dei tumori e alla sopravvivenza del paziente.
Per Joel Saltz, direttore del dipartimento di informatica biomedica della Stony Brook University con il documento si dimostra che si possono «utilizzare metodi di deep learning e intelligenza artificiale per estrarre e classificare i modelli di cellule immunitarie in vari studi patologici, e per mettere in relazione i modelli di cellule immunitarie con molti altri tipi di dati molecolari e clinici dei pazienti oncologici».
Il metodo può fornire una base su come diagnosticare meglio i tumori e creare un piano di trattamento per quelli che sono reattivi alla terapia immunitaria anti-cancro, come il melanoma, polmone, vescica e alcuni tipi di cancro del colon.
Lo standard per la diagnosi del cancro rimane il referto patologico proveniente dalla biopsia di un tessuto tumorale.
La diagnosi ha un ruolo di primo piano nel trattamento di un paziente. Ma in determinate situazioni e con forme di cancro trattate con terapie immunologiche, i patologi hanno anche il compito di fare osservazioni sulle caratteristiche immunologiche del tessuto tumorale per determinare quali pazienti sono più propensi a trarre beneficio da queste terapie. Così le immunoterapie rilasciano i TIL per distruggere le cellule cancerogene.
Deep learning sulle immagini
Nello studio, i ricercatori hanno applicato il deep learning per digitalizzare immagini patologiche per caratterizzare i modelli di infiltrazione immunitaria presenti in 4.759 pazienti TCGA e all’interno di 13 tipi di cancro elaborazione di oltre 5.000 immagini digitali dai tipi di cancro per creare una traccia computazionale per ciascuno.
Con queste, hanno creato le mappe TIL come potenziale nuova guida per la diagnosi e la pianificazione del trattamento.
Il lavoro nasce dagli sforzi del progetto The Cancer Genome Atlas (TCGA), uno sforzo del National Cancer Institute e del National Human Genome Research Institute in collaborazione con la comunità di ricerca sul cancro in tutto il mondo.
Lo studio delle mappe TIL fa parte delle iniziative che comunicano i risultati della TCGA PanCancer Atlas Initiative.
La ricerca include ricercatori della Stony Brook University, del MD Anderson Cancer Center dell’Università del Texas, della Emory University e dell’Institute for System Biology di Seattle.
Il lavoro è stato parzialmente finanziato dal National Cancer Institute, dall’American Cancer Society, dal Cancer Research Institute e dalla National Science Foundation.
