«GigaTime è la prova di ciò che è possibile fare quando l’intelligenza artificiale all’avanguardia incontra dati clinici reali su larga scala. Collaborando a stretto contatto con Providence e con l’Università di Washington, abbiamo dimostrato come l’AI multimodale possa trasformare vetrini di anatomia patologica di routine in ricche mappe proteomiche spaziali, rendendo possibili scoperte un tempo irraggiungibili. La nostra speranza è che, rendendo GigaTIME liberamente accessibile, possiamo accelerare la ricerca e aiutare l’intero settore a muoversi verso cure oncologiche più precise e personalizzate». Così Hoifung Poon, General Manager of Real-World Evidence di Microsoft, tratteggia le prospettive del nuovo strumento AI al servizio della lotta ai tumori, sviluppato da Microsoft Research. E’ il primo studio su scala popolazionale a mappare il microambiente immunitario tumorale utilizzando la proteomica spaziale virtuale, una tecnologia AI che analizza e interpreta i dati. Questo rende possibile individuare schemi e relazioni in precedenza invisibili, inclusi nuovi legami tra mutazioni genetiche e attivazioni proteiche.
Lo studio
Presentato in un paper sulla rivista scientifica Cell – GigaTime consente ai ricercatori di studiare il microambiente tumorale su scala inedita, un elemento chiave per prevedere come si comportino i tumori e quali terapie funzionino meglio. Nell’articolo i ricercatori così sintetizzano la portata dell’innovazione: il microambiente immunitario del tumore (Time) ha un impatto critico sulla progressione del cancro e sulla risposta immunoterapica. Il “Time” è infatti un ecosistema spaziale altamente complesso costituito da cellule tumorali e diversi tipi di cellule non maligne, tra cui cellule immunitarie, fibroblasti associati al cancro (Caf), cellule endoteliali (Ec), periciti e altri tipi di cellule, incorporati in una matrice extracellulare alterata. L’immunofluorescenza multiplex (mIF) è un ottimo strumento per la profilazione delle proteine multicanale co-localizzata sullo stesso tessuto, preservando l’architettura spaziale, ma il suo impiego resta limitato dal costo notevole per lo studio su larga scala dovuto ai reagenti, alle attrezzature specializzate e all’infrastruttura computazionale, combinati con i flussi di lavoro ad alta intensità di manodopera per la colorazione, l’imaging e l’elaborazione dei dati. Di conseguenza, i set di dati mIF esistenti sono estremamente scarsi e questo limita significativamente la loro applicabilità nella scoperta e nella traduzione clinica.
Al contrario, le immagini di ematossilina ed eosina (H&E) sono generate abitualmente nei flussi di lavoro clinici a basso costo per lo studio della struttura dei tessuti e della morfologia cellulare. E se un’immagine H&E non rivela esplicitamente gli stati cellulari, la configurazione spaziale delle cellule che evidenzia può far luce sui loro singoli stati. Questi modelli – avvisano i ricercatori – potrebbero non essere evidenti a occhi umani ma sono potenzialmente discernibili utilizzando l’IA multimodale avanzata. Non solo: gli ultimi progressi dell’AI amplificano ulteriormente questo potenziale, poiché l’Intelligenza artificiale dimostrato prestazioni superiori con un pre-allenamento su una vasta collezione di immagini di patologia.
Lo strumento
Lo strumento – sottolineano da Microsoft – si basa sul costante lavoro di Microsoft nel far progredire la GenAI multimodale per scalare la generazione di Real World Evidence. Progetti come GigaPath, BiomedParse, Curiosity, e Trialscope mirano allo sviluppo di “pazienti virtuali” cioè modelli basati sull’AI che prevedono gli esiti sanitari e guidano decisioni di cura personalizzate.
Basandosi su modelli in grado di elaborare molteplici tipologie di dati, GigaTime potrebbe contribuire a cambiare il modo in cui i ricercatori studiano il cancro, bypassando il problema di test di laboratorio costosi e dispendiosi in termini di tempo per comprendere come i tumori si sviluppino nell’organismo. Lo strumento di AI – sottolineano invece da Microsoft Research – trasforma invece “comuni vetrini di anatomia patologica a basso costo in mappe digitali complesse e dettagliate, che mostrano come le cellule immunitarie interagiscano con i tumori cancerosi attraverso l’attivazione proteica, consentendo ai ricercatori di scoprire schemi finora invisibili”. In questo modo, si aprono nuove opportunità per studiare i microambienti tumorali su una scala senza precedenti. Generare questo tipo di mappe digitali richiederebbe giorni e migliaia di euro per un singolo campione mentre con l’AI è possibile simulare queste analisi su decine di proteine in pochi secondi grazie all’elaborazione computazionale, consentendo lo studio di migliaia di scenari contemporaneamente.
