DeepMACT: l’algoritmo di deep-learning che rileva le metastasi invisibili
ansa.it
Fino ad oggi individuare le metastasi in modo completo si è rivelato un compito arduo a causa della limitata risoluzione delle tecniche per la rilevazione di immagini. Grazie ad un nuovo algoritmo sarà, però, possibile individuare le metastasi più piccole, sfuggenti e solitamente difficili da rilevare. Si tratta di una tecnica ad alta risoluzione, pubblicata sulla rivista Cell e messa a punto in Germania, nel centro Helmholtz di medicina rigenerativa di Monaco. La tecnica si basa sulla scansione dell’intero organismo ed è efficiente al punto da poter indicare se una terapia è efficace contro il tumore.
La sperimentazione è stata condotta sui topi dal gruppo di ricerca, guidato da Ali Erturk, attraverso l’utilizzo di un microscopio a scansione laser che permette di rilevare le metastasi più piccole nei tessuti.
Il gruppo di ricerca ha sviluppato un algoritmo di deep-learning chiamato DeepMACT che ha consentito di superare il principale ostacolo esistente nella lettura delle immagini, ossia la notevole quantità di tempo richiesta. Il nome DeepMACT sta per Deep learning based Metastasis Analysis in Cleared Tissue: difatti si tratta di una procedura end-to-end che consente il rilevamento e la caratterizzazione altamente automatizzata delle micro-metastasi tumorali in ampie scansioni volumetriche di tessuti nei topi
Grazie all’algoritmo e all’intelligenza artificiale l’analisi è diventata 300 volte più veloce e fornisce i risultati in meno di un’ora anziché in mesi. La quantificazione basata sul deep learning in 5 diversi modelli di carcinoma metastatico tra cui carcinoma mammario, polmonare e pancreatico con organotropismi distinti ha permesso di analizzare sistematicamente caratteristiche come dimensioni, forma, distribuzione spaziale e il grado in cui le metastasi sono prese di mira da un anticorpo monoclonale terapeutico.
DeepMact ha dunque consentito di tracciare un profilo unico delle metastasi di diverse forme di tumore rivelandosi un mezzo straordinario per migliorare la scoperta di terapie efficaci basate su anticorpi nella fase preclinica.
“Per sviluppare terapie anticancro più efficaci – osserva Erturk – è fondamentale capire i meccanismi delle metastasi nelle diverse forme di tumore e sviluppare farmaci specifici capaci di bloccare le metastasi. Il metodo sarà utile nella ricerca preclinica, dove si testano i farmaci”.