Alleviare i disturbi del cancro attraverso il Machine Learning
adv

Team congiunti hanno sviluppato un sistema esperto per prevedere e combattere alcune affezioni legate alle malattie oncologiche

Grazie agli studi di team di ricerca internazionali interdisciplinari é stato possibile predire ed esaminare la gravità di tre sintomi che colpiscono i pazienti oncologici durante la terapia. Ansia, depressione e disturbi del sonno sono i sintomi più comuni studiati che minano il percorso di guarigione dei pazienti. La predizione è stata possibile mediante l’utilizzo di sistemi di intelligenza artificiale, permettendo di effettuare diagnosi e quindi di prendere le adeguate precauzioni terapeutiche. Attraverso tale strumento è possibile alleviare o eliminare del tutto i disturbi.

Un’intelligenza artificiale innovativa

Nei malati di cancro, vi sono alcune affezioni, legate all’evoluzione della malattia o anche alle cure necessarie, che possono influire negativamente sulla salute del paziente. Tra queste vi sono i disturbi del sonno, l’ansia e la depressione. Tali sintomi possono peggiorare ulteriormente la condizione già critica del paziente. Grazie all’utilizzo dell’intelligenza artificiale presto potrebbe essere possibile riuscire nell’impresa di ridurre e prevenire tali sintomi, grazie ad apposite terapie,  portando ad un miglioramento sensibile delle condizioni del malato.

Due team, due metodi

Il machine learning, ovvero il metodo di apprendimento dell’intelligenza artificiale, utilizzato in questo caso si basa su due metodi chiamati Support Vector Regression (SVR) e Non-linear Canonical Correlation Analysis by Neural Networks (n-CCA).

L’AI vera e propria é stata ideata dal team di scienziati del Center for Vision Speech and Signal Processing (CVSSP) dell’Università del Surrey (Regno Unito), in continua collaborazione con i colleghi americani dell’Università della California di San Francisco (UCSF).

Come si sviluppa il progetto

La Professoressa Christine Miaskowski ha coordinati i gruppi di ricerca durante lo sviluppo degli algoritmi che sono alla base dell’intelligenza artificiale. I dati provenienti dai trattamenti chemioterapici e da TAC del campione di pazienti oncologici, sono stati utilizzati come base per lo sviluppo degli algoritmi. I pazienti sono stati sottoposti a questionari e analisi per valutare, oltre allo stato di salute, anche altri parametri.

I dati così raccolti, sono stati elaborati dai due modelli di apprendimento (Support Vector Regression e Non-linear Canonical Correlation Analysis by Neural Networks) e successivamente l’AI ha predetto, con una considerevole precisione, quali e con quale gravità, i soggetti di un secondo campione di pazienti, avrebbe manifestato i sintomi analizzati.

Statistiche dei sintomi su PloS One

Dallo studio condotto, circa il 60% dei pazienti che contraggono una patologia tumorale va incontro a depressione, il 35/53% dei pazienti soffre di ansia durante la terapia ed una combinazione dei due sintomi é stata verificata nel 45%dei campioni. I disturbi del sonno si osservano invece in un range compreso tra il 30 ed il 50% dei pazienti oncologici.

Queste statistiche potrebbero migliorare grazie all’intelligenza artificiale ideata dal team anglo americano che ha pubblicato i dati ottenuti ed i dettagli della ricerca su PloS One.

Nikos Papachristou, coautore dello studio, ha dichiarato: “Sono molto entusiasta di vedere come l’apprendimento automatico e l’intelligenza artificiale possano essere utilizzati per creare soluzioni che abbiano un impatto positivo sulla qualità della vita e il benessere di pazienti”.

Avatar
Nata a Napoli nel 1993, Federica Amodio è laureata magistrale in Scienze e Tecnologie Genetiche presso il centro di ricerche genetiche BIOGEM 110 con lode. La sua tesi di laurea, verte sui meccanismi di regolazione del gene Zscan4 da parte dell’acido retinoico nelle cellule staminali embrionali murine. L’espressione di questi geni regolano le prime fasi per lo sviluppo degli embrioni. Per lungo tempo ha collaborato con il centro per una pubblicazione scientifica inerente al suo progetto di tesi.