Di recente, la ricerca oncologica ha avviato una trasformazione profonda grazie all’integrazione con l’intelligenza artificiale. A tal proposito, un recente sviluppo potrebbe segnare un passo significativo. Dalla collaborazione tra Google DeepMind e l’Università di Yale è nato un nuovo modello. Quest’ultimo è capace di analizzare il comportamento delle cellule umane con un livello di precisione mai raggiunto prima. L’obiettivo non è solo comprendere come i tumori eludano il sistema immunitario. Ma anche individuare strategie per rendere più efficaci i trattamenti esistenti. Il sistema, denominato Cell2Sentence-Scale 27B (C2S-Scale), si distingue per la sua capacità di interpretare ciò che i ricercatori definiscono il “linguaggio delle cellule”. Con i suoi 27 miliardi di parametri, rappresenta un’evoluzione del progetto Gemma. Ovvero la piattaforma open source di Google dedicata all’AI applicata alla biologia.
Ecco come lavora la nuova AI di DeepMind e Yale
A differenza dei modelli tradizionali, che analizzano grandi quantità di dati genomici in modo aggregato, C2S-Scale lavora a livello di singola cellula. Simulando le interazioni con l’organismo e con i farmaci. Tale prospettiva consente di tradurre i comportamenti biologici in schemi intelligibili. Aprendo nuove possibilità di interpretazione del modo in cui le cellule tumorali reagiscono alle cure.
Nei test condotti con il supporto di Yale, il modello ha evidenziato un aspetto cruciale. Alcune cellule cancerose riescono a diventare “invisibili” al sistema immunitario. Eludendo così i trattamenti convenzionali. L’AI ha però suggerito che sia possibile intervenire per convertire i cosiddetti “tumori freddi” (quelli refrattari alle terapie) in “tumori caldi”, ovvero più riconoscibili dalle difese immunitarie. La validazione clinica preliminare dei risultati ha confermato la solidità delle previsioni. Rafforzando l’ipotesi che l’AI possa effettivamente contribuire a disegnare percorsi di terapia personalizzata.
Uno degli elementi più innovativi emersi dalla ricerca è l’identificazione di un “conditional amplifier”. Una molecola in grado di amplificare la risposta immunitaria soltanto in condizioni specifiche. Quando proteine come l’interferone non riescono a stimolare adeguatamente la produzione di antigeni, tale composto ne potenzia selettivamente l’effetto. Aumentando la visibilità delle cellule malate e migliorando la risposta del sistema immunitario.
Per ottenere tali risultati, i ricercatori hanno impiegato un sistema di simulazione definito “dual-context virtual screen”. Il quale è capace di testare digitalmente migliaia di farmaci su campioni reali. Tra oltre quattromila molecole analizzate, il modello ha individuato una decina di candidati promettenti, inclusi composti mai associati prima alla ricerca oncologica.
Sia la piattaforma Gemma sia il modello C2S-Scale 27B sono stati resi pubblici su repository online, insieme ai dati di riferimento. Tale scelta ha l’intento di favorire la collaborazione scientifica. Gli studiosi invitano però alla prudenza: i risultati sono ancora in fase di validazione e necessitano di ulteriori verifiche sperimentali e di revisione. Se confermate, tali scoperte potrebbero segnare un cambiamento importante per l’oncologia, in cui l’intelligenza artificiale diventa un interlocutore attivo.