Il machine learning applicato alla valutazione delle immagini della superficie di Marte è stato adattato per aiutare i medici nella misurazione degli effetti delle terapie oncologiche. Lo studio, realizzato dall’Università di Manchester, è stato pubblicato su Bioinformatics.

Dallo spazio ai laboratori

La tecnica di machine learning di cui stiamo parlando è stata sviluppata per supportare gli astronomi nella mappatura delle caratteristiche di pianeti come Marte ed è stata progettata per capire meglio gli errori e le incertezze delle osservazioni a disposizione. Una metodologia che, riflettendoci, poteva essere applicata anche in ambito clinico. Dall’analisi delle immagini (ad esempio le TAC) si può capire come i tumori non siano uniformi e che differenti parti possono modificarsi a diverse velocità. Questo rende difficile l’esame degli effetti delle terapie perché diviene complesso individuare i cambiamenti dovuti ai farmaci e quelli prodotti dalle evoluzioni naturali delle masse. Negli studi di laboratorio, per ottenere risultati significativi, gli scienziati devono analizzare i cambiamenti medi adoperando molti campioni (spesso animali). Inoltre valutare gli effetti di un trattamento su un individuo, come richiede la medicina personalizzata, è arduo con gli attuali metodi statistici di trattamento dati.

Il machine learning applicato all’oncologia

L’intersezione dei due settori di ricerca è quindi un’analisi dei dati provenienti dalle immagini - di un corpo celeste o di una massa tumorale - che permetta misure precise dei cambiamenti. Gli scienziati della Division of Informatics, Imaging & Data Sciences e il dottor James O'Connor, a capo del settore Imaging del Manchester Cancer Research Centre, hanno sperimentato la tecnica sulle informazioni raccolte adoperando dei topi. Hanno applicato il machine learning (il modello lineare di Poisson) ai campioni e hanno dimostrato la possibilità di ottenere misure delle modificazioni dei tumori ben quattro volte più precise di quelle normalmente utilizzate per capire i benefici legati alle terapie oncologiche. Il modello lineare di Poisson individua dei pattern, degli schemi, e i loro cambiamenti all’interno dei dati e, rispetto agli altri metodi di machine learning, può valutare gli effetti degli errori nella misura, fornendo una previsione della precisione dei risultati.

Un vantaggio per gli uomini…e anche per gli animali

I miglioramenti nel trattamento statistico dei dati hanno come conseguenza la necessità di meno campioni per ottenere delle risposte accurate. Questo significa che, in alcune ricerche, potrà essere utilizzato un numero minore di cavie da laboratorio e che questa nuova tecnica sarà un potenziale strumento, più veloce e sicuro, per stabilire l’efficacia di un farmaco su un paziente in cura per un cancro.

Troverete una disamina originale e approfondita del delicato mondo dell’oncologia con una concreta proposta di rinnovamento nell’approccio alla malattia e al malato nel libro “La complessità che cura” di Ivan Cavicchi e Gian Mauro Numico (Edizioni Dedalo).