intelligenza artificiale

Tumori cerebrali: così l’AI può supportare la neurochirurgia



Indirizzo copiato

La decisione su quanto debba essere invasiva la resezione neurochirurgica nei tumori del sistema nervoso centrale è molto complessa. Un recente studio illustra come l’intelligenza artificiale possa assistere i chirurghi in questa fase critica, fornendo dettagliate informazioni sul tumore durante le fasi iniziali dell’intervento

Pubblicato il 21 nov 2023

Domenico Marino

Università Degli Studi Mediterranea di Reggio Calabria



mapping attività cerebrale
Big data e Big drain: cervello, reti, intelligenza artificiale

Il trattamento di prima linea più comune per i tumori del sistema nervoso centrale è la resezione neurochirurgica del tumore. Un fattore importante da valutare in sede chirurgica è fino a che punto il rischio di una resezione più aggressiva sia accettabile in relazione tipo di tumore.

Uno studio, diretto dal Professor de Ridder del Centro di Medicina Molecolare dell’UMC Utrecht e pubblicato su Nature, descrive come utilizzare l’intelligenza artificiale per fornire ai chirurghi delle informazioni precise sul tumore, che potrebbero assistere nella presa di questa decisione critica.

Ma andiamo per gradi.

Tumori cerebrali: la scelta del chirutgo

I chirurghi, quando trattano un tumore cerebrale, si trovano di fronte a una difficile scelta: rimuovere anche una porzione di tessuto cerebrale sano per assicurarsi di eliminare completamente il tumore, o risparmiare il tessuto sano e rischiare di lasciare alcune cellule pericolose.

Un fattore importante per determinare se il rischio di una resezione più aggressiva sia accettabile è il tipo di tumore. Per esempio, i gliomi diffusi della linea mediana con una specifica mutazione dell’istone H3 sono considerati incurabili, il che indica che l’intervento chirurgico dovrebbe essere principalmente mirato all’acquisizione del tessuto tumorale per la diagnosi e alla conservazione della qualità della vita, piuttosto che al tentativo di una resezione completa. Analogamente, i medulloblastomi mostrano un miglioramento prognostico limitato tra la resezione quasi totale e quella totale, suggerendo che una resezione massima non è necessariamente la scelta migliore per questi tumori.

Tuttavia, la resezione radicale è vantaggiosa per altri tipi di tumore: nell’ependimoma della fossa posteriore tipo A e nel tumore teratoide rabdoide atipico, nel cui trattamento si dovrebbe seguire una strategia mirata alla resezione totale, poiché ciò rappresenta un importante fattore prognostico. La pratica attuale consiste nell’imaging preoperatorio e nella diagnosi intraoperatoria ottenuta mediante valutazione istologica rapida di sezioni di tumore congelate.

Tuttavia, questo non sempre porta a una diagnosi chiara e la diagnosi provvisoria della sezione congelata a volte viene rivista sulla base della diagnostica tissutale post-operatoria. Di conseguenza, alcuni pazienti richiedono un secondo intervento chirurgico, mentre altri avrebbero potuto essere operati meno radicalmente con il senno di poi. 

Lo studio sull’uso dell’AI nella diagnosi del tumore cerebrale

Lo studio  prevede che un computer analizzi segmenti del DNA del tumore, identificando particolari modificazioni chimiche capaci di fornire una diagnosi dettagliata del tipo e del sottotipo del tumore cerebrale. Questa diagnosi, effettuata durante le fasi iniziali di un intervento chirurgico che dura diverse ore e può guidare i chirurghi nella scelta della strategia operativa da adottare e in futuro, questo metodo potrebbe anche indirizzare i medici verso trattamenti specifici per il sottotipo di tumore individuato.

Il classificatore Sturgeon

Per consentire la classificazione dei tumori in un contesto intraoperatorio, è stato sviluppato Sturgeon, un classificatore neurale ottimizzato per gestire pochi dati. Con l’approccio Sturgeon, ampie risorse computazionali vengono allocate per addestrare e validare reti neurali complesse prima dell’intervento chirurgico. Questo è un grande vantaggio rispetto agli algoritmi di classificazione esistenti che si basano sull’addestramento di modelli specifici per il paziente durante l’intervento Il sistema è stato poi testato durante 25 operazioni cerebrali dal vivo, Il modello è stato in grado di classificare correttamente la grande maggioranza dei campioni (45 su 50) sulla base di dati equivalenti a 20-40 minuti di sequenziazione, in linea con una finestra temporale di 90 minuti tra l’ottenimento del tessuto in sala operatoria e la diagnosi.  Il nuovo metodo utilizza una tecnica di sequenziamento genetico più rapida e si applica solo a una piccola porzione del genoma cellulare, consentendo di ottenere risultati prima che il chirurgo inizi ad operare sui bordi del tumore.

Le criticità

Tuttavia, alcuni tumori restano difficili da diagnosticare. I campioni prelevati durante l’intervento sono circa delle dimensioni di 1 cm e, se includono del tessuto cerebrale sano, il sistema di apprendimento profondo potrebbe avere difficoltà a individuare abbastanza marcatori specifici del tumore. Ci possono essere anche differenze all’interno delle cellule tumorali di un singolo paziente, il che significa che il piccolo segmento sequenziato potrebbe non essere rappresentativo dell’intero tumore. Alcuni tumori meno comuni potrebbero non corrispondere a quelli già classificati.

Inoltre, i tumori cerebrali sono anche i più adatti ad essere classificati tramite le modificazioni chimiche che il nuovo metodo analizza, ma non tutte le neoplasie possono essere diagnosticate in questo modo. Il nuovo metodo è un tentativo di utilizzare la precisione molecolare nella diagnosi dei tumori, potenzialmente consentendo agli scienziati di sviluppare trattamenti mirati meno dannosi per gli altri organi. Ma tradurre una conoscenza più approfondita dei tumori in nuove terapie si è rivelato difficile.

EU Stories - La coesione innova l'Italia

Tutti
Social
Iniziative
Video
Analisi
Iniziative
Al via il progetto COINS
Eventi
Un nuovo sguardo sulla politica di coesione dell'UE
Iniziative
Parte la campagna di comunicazione COINS
Interviste
Marco De Giorgi (PCM): “Come comunicare le politiche di coesione”
Analisi
La politica di coesione europea: motore della transizione digitale in Italia
Politiche UE
Il dibattito sul futuro della Politica di Coesione
Mobilità Sostenibile
L’impatto dei fondi di coesione sul territorio: un’esperienza di monitoraggio civico
Iniziative
Digital transformation, l’Emilia-Romagna rilancia sulle comunità tematiche
Politiche ue
Fondi Coesione 2021-27: la “capacitazione amministrativa” aiuta a spenderli bene
Finanziamenti
Da BEI e Banca Sella 200 milioni di euro per sostenere l’innovazione di PMI e Mid-cap italiane
Analisi
Politiche di coesione Ue, il bilancio: cosa ci dice la relazione 2024
Politiche UE
Innovazione locale con i fondi di coesione: progetti di successo in Italia
Iniziative
Al via il progetto COINS
Eventi
Un nuovo sguardo sulla politica di coesione dell'UE
Iniziative
Parte la campagna di comunicazione COINS
Interviste
Marco De Giorgi (PCM): “Come comunicare le politiche di coesione”
Analisi
La politica di coesione europea: motore della transizione digitale in Italia
Politiche UE
Il dibattito sul futuro della Politica di Coesione
Mobilità Sostenibile
L’impatto dei fondi di coesione sul territorio: un’esperienza di monitoraggio civico
Iniziative
Digital transformation, l’Emilia-Romagna rilancia sulle comunità tematiche
Politiche ue
Fondi Coesione 2021-27: la “capacitazione amministrativa” aiuta a spenderli bene
Finanziamenti
Da BEI e Banca Sella 200 milioni di euro per sostenere l’innovazione di PMI e Mid-cap italiane
Analisi
Politiche di coesione Ue, il bilancio: cosa ci dice la relazione 2024
Politiche UE
Innovazione locale con i fondi di coesione: progetti di successo in Italia

Articoli correlati

Articolo 1 di 3