Tumori, l’intelligenza artificiale apre la strada a test domestici per la diagnosi precoce

L’intelligenza artificiale entra con forza nella ricerca oncologica e apre nuove prospettive per la diagnosi precoce dei tumori, uno dei fattori chiave per ridurre in modo significativo la mortalità. Un team congiunto di ricercatori del Massachusetts Institute of Technology e di Microsoft ha sviluppato un sistema basato su AI in grado di progettare sensori molecolari altamente sensibili, potenzialmente utilizzabili anche in test diagnostici da effettuare a casa.

Tumori, l’intelligenza artificiale apre la strada a test domestici per la diagnosi precoce

Il cuore della ricerca è un modello di intelligenza artificiale capace di disegnare peptidi, ovvero brevi sequenze proteiche, che reagiscono in modo selettivo con specifici enzimi chiamati proteasi. Questi enzimi risultano particolarmente attivi nelle cellule tumorali, dove favoriscono l’invasione dei tessuti e la diffusione del cancro. Rivestendo nanoparticelle con tali peptidi, i ricercatori hanno creato veri e propri sensori biologici, quando le particelle incontrano proteasi associate al cancro, rilasciano un segnale rilevabile.

Il segnale, una volta processato dall’organismo, può essere individuato attraverso un semplice esame delle urine, simile a un test di gravidanza su striscia. In prospettiva, questo approccio consentirebbe non solo di rilevare la presenza di un tumore in fase molto precoce, ma anche di identificarne la tipologia in base al profilo delle proteasi attive.

“Ci concentriamo su una rilevazione ultra-sensibile, soprattutto nelle fasi iniziali del cancro, quando la massa tumorale è ancora minima o quando la malattia può ripresentarsi dopo un intervento chirurgico”, spiega Sangeeta Bhatia, docente al MIT e membro del Koch Institute for Integrative Cancer Research. Bhatia è tra le autrici senior dello studio insieme a Ava Amini, ricercatrice principale di Microsoft Research ed ex dottoranda nel suo laboratorio.

Lo studio, pubblicato su Nature Communications, rappresenta un salto di qualità rispetto ai tentativi precedenti. In passato, l’individuazione dei peptidi avveniva attraverso un lungo processo di tentativi ed errori, con risultati spesso poco specifici, uno stesso peptide poteva essere “tagliato” da più proteasi, rendendo difficile attribuire il segnale a un enzima preciso. Nonostante ciò, l’uso combinato di più sensori aveva già dimostrato di poter individuare tumori al polmone, alle ovaie e al colon in modelli animali.

Con il nuovo lavoro, i ricercatori hanno sviluppato un sistema di AI denominato CleaveNet, in grado di progettare peptidi altamente selettivi per specifiche proteasi. L’utente può indicare al modello i criteri desiderati e l’algoritmo genera sequenze proteiche ottimizzate per efficienza e specificità, migliorando in modo sostanziale il potere diagnostico dei sensori.

La sfida è enorme anche dal punto di vista computazionale, un peptide di appena dieci amminoacidi può essere combinato in circa diecimila miliardi di modi diversi. L’intelligenza artificiale consente di esplorare questo spazio immenso in tempi rapidi, riducendo drasticamente costi e tempi della sperimentazione tradizionale.

Per dimostrare l’efficacia del metodo, il team si è concentrato su una proteasi chiave, la MMP13, coinvolta nella degradazione del collagene e nei processi di metastatizzazione. CleaveNet ha generato peptidi mai osservati prima, capaci di essere riconosciuti e tagliati da MMP13 con elevata selettività. “È stato sorprendente vedere che sequenze completamente nuove, non presenti nei dati di addestramento, si sono rivelate così efficienti e specifiche”, racconta Carmen Martin-Alonso, tra le prime autrici dello studio.

Le implicazioni vanno oltre la diagnosi. I peptidi progettati dall’AI potrebbero essere integrati anche in terapie mirate, ad esempio per rilasciare farmaci solo in presenza di proteasi tipiche dell’ambiente tumorale, aumentando l’efficacia dei trattamenti e riducendo gli effetti collaterali. Inoltre, il gruppo di ricerca è coinvolto in un progetto finanziato da ARPA-H per sviluppare un kit diagnostico domestico in grado di distinguere fino a 30 diversi tipi di cancro nelle fasi iniziali.

Nel lungo periodo, si vuole creare un vero e proprio atlante dell’attività delle proteasi, che copra più classi di enzimi e diversi tumori. Una risorsa che potrebbe accelerare non solo la diagnosi precoce, ma anche la comprensione dei meccanismi biologici del cancro e lo sviluppo di nuove terapie. Un esempio concreto di come l’incontro tra biologia e intelligenza artificiale stia ridisegnando il futuro della medicina.