Le tecniche di apprendimento automatico, tipiche dell’intelligenza artificiale, possono rivelarsi utili per identificare quegli importanti dettagli nei campioni di tessuto umano che possono aiutare a diagnosticare la sindrome mielodisplastica (MDS). Quest’ultima è un tumore che coinvolge le cellule staminali del midollo osseo e che provoca un malfunzionamento delle cellule del sangue (ne modifica il percorso di maturazione).[3]
È la scoperta effettuata da un team di ricercatori dell’Università di Helsinki, una scoperta che potrebbe essere d’aiuto in quei casi in cui è difficile identificare con precisione queste mutazioni genetiche nelle cellule tumorali da parte degli esseri umani che le devono distinguere ad occhio.[1]
I ricercatori hanno usato varie immagini di campioni di midollo osseo di vari individui affetti da MDS. Queste immagini sono state date “in pasto” ad un algoritmo che simula le reti neurali e che è basato sull’apprendimento automatico. I ricercatori riuscivano ad identificare con precisione quelle mutazioni genetiche più comuni (mutazioni acquisite e aberrazioni cromosomiche) che sono alla base della progressione della sindrome mielodisplastica. La tecnica organizzata da ricercatori viene descritta in dettaglio in uno studio apparso su Blood Cancer Discovery.[2]
“Lo studio conferma che l’analisi computazionale aiuta a identificare le caratteristiche che sfuggono all’occhio umano. Inoltre, l’analisi dei dati aiuta a raccogliere dati quantitativi sui cambiamenti cellulari e sulla loro rilevanza per la prognosi del paziente”, spiega Satu Mustjoki, uno dei ricercatori impegnati nello studio.[1]
Note e approfondimenti
- Image analysis based on machine learning reliably identifies haematological malignancies challenging for the human eye | University of Helsinki (IA)
- Machine Learning of Bone Marrow Histopathology Identifies Genetic and Clinical Determinants in MDS Patients | Blood Cancer Discovery (IA) (DOI: 10.1158/2643-3230.BCD-20-0162)
- Sindrome mielodisplastica – Wikipedia in inglese (IA)
