Scienziati italiani tra i coordinatori di uno studio che pone le basi per identificare i biomarcatori utili a guidare il trattamento del tumore del colon-retto
Utilizzare l’intelligenza artificiale per predire l’efficacia delle cure di precisione contro il cancro al colon-retto è possibile. Lo dimostro uno studio internazionale coordinato dallo Human Technopole (Ht) di Milano, dall’Istituto Candiolo Irccs di Torino, dall’università di Torino e dal Wellcome Sanger Institute di Cambridge nel Regno Unito, condotto in collaborazione con i Charles River Laboratories e l’Istituto europeo di bioinformatica di Cambridge (Ebi-Embl, Uk). Gli scienziati hanno individuato alcuni fattori associati alla risposta terapeutica dei pazienti con tumore colorettale, sulla base dei quali hanno sviluppato un modello di machine learning (Cetuximab Stacked Classifier – CeSta) in grado di prevedere con precisione gli effetti del cetuximab, un farmaco mirato di uso corrente, sui vari sottotipi della neoplasia. I risultati dello lavoro, sostenuto da Fondazione Airc per la ricerca sul cancro e pubblicato su ‘Nature Communications‘, pongono le basi per l’identificazione di caratteristiche molecolari che potrebbero essere utilizzate in futuro come biomarcatori per predire la risposta al trattamento nei pazienti con cancro al colon-retto.
“È una patologia molto eterogenea, dalle caratteristiche molecolari che variano molto da un tumore all’altro: per questo motivo, variano anche le risposte alle terapie – sottolinea Francesco Iorio, bioinformatico, coordinatore dello studio e group leader presso il Centro di ricerca in Biologia computazionale di Ht -. Analizzando 231 frammenti di tessuto tumorale provenienti da pazienti affetti da questo tipo di cancro e la loro risposta al cetuximab – spiega – siamo riusciti a sviluppare CeSta: un sistema di apprendimento artificiale che può aiutare a prevedere la risposta a questo farmaco in campioni di tumore nuovi e indipendenti, che non sono stati cioè utilizzati per ‘addestrare’ il modello. CeSta supera le capacità predittive di uno dei metodi clinici tuttora in uso per la prescrizione del cetuximab nei pazienti con cancro al colon-retto. In futuro, un metodo simile potrebbe essere studiato e applicato anche ad altri tipi di cancro”, prospetta Iorio.
“La possibilità di combinare approfondite analisi molecolari a studi funzionali su scala di popolazione – evidenzia Andrea Bertotti, co-supervisore dello studio e research group leader presso l’Istituto di Candiolo Irccs – ci ha permesso di estrapolare associazioni tra genotipo e risposta farmacologica che non sarebbero emerse con approcci più tradizionali. Grazie all’integrazione delle informazioni resa possibile dal machine learning, queste possono essere combinate per ottenere la migliore predizione possibile”. Il direttore Ht Marino Zerial, sottolinea come questo studio dimostri “l’importanza dei nuovi approcci algoritmici e computazionali combinati con i dati sperimentali derivati da modelli sperimentali avanzati. In particolare, questa ricerca ha permesso di fare un importante passo avanti nella conoscenza dei meccanismi che condizionano la risposta alle terapie del tumore al colon-retto, che è uno dei tumori con il più alto tasso di mortalità, con più di 1.85 milioni di casi e 850mila decessi annui al mondo. Inoltre, questo studio ha messo in luce nuove caratteristiche molecolari che giocano un ruolo nella risposta terapeutica in questo tipo di cancro”.
Gli autori dello studio hanno raccolto 231 frammenti di tessuto tumorale provenienti da pazienti affetti da cancro del colon-retto, costituendo una vera e propria biobanca. I campioni sono stati analizzati a livello genomico, trascrittomico ed epigenetico e contestualmente, grazie all’adozione di modelli animali capaci di offrire una rappresentazione più accurata rispetto a modelli sperimentali tradizionali (come le colture cellulari immortalizzate), sono stati caratterizzati per la loro risposta al cetuximab, un farmaco approvato per la terapia medica del cancro colon-rettale metastatico. Incrociando tra loro i risultati ottenuti, e inserendoli all’interno di un sistema di machine learning che si addice all’analisi di popolazioni di campioni di dimensione limitata, è stato possibile sviluppare un modello in grado di prevedere la risposta dei diversi tipi di tumore al colon-retto al cetuximab con una precisione superiore a quella di altri metodi predittivi sviluppati in precedenza, inclusi quelli che oggi vengono utilizzati nella pratica clinica per decidere se somministrare o meno questa terapia. Utilizzando questo nuovo modello, sono state inoltre messe in evidenza specifiche caratteristiche delle cellule tumorali sensibili al trattamento con cetuximab, che potrebbero essere associate all’insorgenza del tumore stesso o influenzare la capacità di risposta di un tumore alla terapia.
Iscriviti alla Newsletter di Sanità Informazione per rimanere sempre aggiornato
