La ricerca sul cancro italiana mette il piede sull’acceleratore, ma non troppo. Domani 19 settembre aprirà le porte il primo Laboratorio di Intelligenza Artificiale per l’oncologia a livello nazionale. Un team di professionisti, tra cui, ingegneri, specialisti in Data science, bioinformatici e biologi si dedicherà al disegno, all’implementazione e all’analisi dell’efficacia di diverse metodologie di machine learning, deep learning e intelligenza artificiale lavorando su un’enorme mole di dati. L’obiettivo? Creare tool decisionali per aiutare la diagnosi e la scelta di trattamento, anche se questi tool saranno in realtà multitasking. Nel frattempo, bisogna affrontare un’importante sfida: servono più Big Data. Avere una grande mole di dati utilizzabili è la nuova frontiera della gestione sanitaria per identificare e analizzare le cause di malattia in modo sempre più efficiente, abbattere i costi e ridurre gli errori assistenziali. Abbiamo intervistato Arsela Prelaj, coordinatrice del Laboratorio di Intelligenza Artificiale, oncologa toracica e ricercatrice all’Istituto dei Tumori di Milano e dottoranda al Politecnico di Milano in Bioingegneria e AI.
Sulla spinta del progetto I3LUNG è nata l’idea di creare il primo Laboratorio di Intelligenza artificiale per l’oncologia in Italia. Un progetto che sarà inaugurato domani, voluto fortemente dall’Istituto Nazionale dei Tumori. Dove avrà sede?
«All’interno del Campus Cascina Rosa, la sede dell’Istituto dove sono già presenti diverse strutture dedicate all’epidemiologia clinica e ambientale, della prevenzione e della sanità pubblica e data science. Il laboratorio si chiamerà AI-ON Lab», fa sapere l’oncologa.
Quali attività saranno svolte?
«Il Lab ospiterà diversi dottorandi. Di questo team faranno parte ingegneri, medici che hanno iniziato dottorati di bioingegneria, ma anche specialisti in Data science, bioinformatici e biologi. Parliamo di una serie di figure trasversali, professionisti che lavoreranno in stretta collaborazione in un gruppo davvero multidisciplinare per creare un laboratorio dry lab (laboratorio asciutto), non biologico. Sono orgogliosa – aggiunge la coordinatrice – che questo progetto sia nato dalla collaborazione che abbiamo con il Politecnico di Milano. Il team si dedicherà al disegno, implementazione e analisi dell’efficacia di diverse metodologie di machine learning, deep learning e intelligenza artificiale lavorando su un’enorme mole di dati, per questo sarà strutturato in aree tematiche, come la radiomica o la digital pathology, l’integrazione multimodale dei dati e la loro spiegazione. Si immagazzineranno non solo dati clinici, ma anche quelli provenienti dalla genomica o dalla multiomica, in sostanza tutti quei dati transazionali che analizziamo in ambito di ricerca. Subito dopo, questo materiale verrà processato e analizzato con tecniche di intelligenza artificiale. L’obiettivo è creare tool decisionali per aiutare la diagnosi e la scelta di trattamento, anche se questi tool saranno in realtà multitasking. Il Lab collaborerà con altri laboratori wet dell’Istituto nella sua sede di AmadeoLab, dove si trova tra le altre facilities, la biobanca dei progetti che sto coordinando su pazienti con tumore al polmone che fanno, per esempio, terapie mirate (target therapy e immunoterapia). Collaboreremo, a livello internazionale, con laboratori esteri in Europa e Stati Uniti d’America, in particolare con quello di Data Science dell’università di Chicago, con il professore Alex Pearson e la professoressa Marina Garassino (partner del progetto I3LUNG)».
Chi finanzierà il Lab?
«I finanziamenti provengono dall’Istituto Nazionale dei Tumori e dai progetti di ricerca che coordino. Colgo l’occasione – aggiunge Prelaj – per ringraziare particolarmente Giovanni Apolone, direttore scientifico dell’Istituto Tumori di Milano, e Filippo de Braud, direttore del nostro dipartimento di Oncologia Medica, per avermi sostenuto nell’apertura del laboratorio».
Il Lab è un progetto ambizioso per obiettivi altrettanto ambiziosi. Quali ostacoli bisognerà superare?
«Con le nuove tecnologie, molto innovative, si può puntare in alto. Come dicevo, una delle criticità maggiori è avere una grande quantità di dati e di buona qualità. La classica statistica che coinvolge, per esempio, dai cinquanta agli ottanta pazienti, dimentichiamola. Il prossimo passo da compiere – dice la ricercatrice – è quello di avere migliaia di dati, quindi altrettanti pazienti. Bisogna avere migliaia di immagini, di analisi omiche o cliniche».
Quali sono gli ambiti in cui l’intelligenza artificiale è utilizzata oggi e in quali potrebbe essere utilizzata nei prossimi anni?
«In oncologia, la parte radiologica e patologica sono già e saranno le aree più gettonate. Per quanto riguarda l’ambito decisionale, bisognerà aspettare ancora un po’, in quanto è ancora un campo in maturazione – afferma l’oncologa – È chiaro che l’ultima parola spetterà sempre all’oncologo, però si tratta di tool che affiancano e supportano l’esperto, non lo sostituiscono. Bisogna, infatti, fare anche una precisazione: questi tool diagnostici svolgeranno dei task che aiuteranno l’oncologo o il patologo. Faccio un esempio pratico su una possibile diagnosi: un paziente ha un tumore al polmone di tipo squamoso o un adenocarcinoma. Si tratta di un quesito classico, relativamente semplice, che potrebbe evidenziare la stessa intelligenza artificiale. A questo punto, il patologo si dedicherà a casi più complessi. Altro esempio, nell’ambito di screening, dell’imaging radiologica, l’obiettivo è avere un algoritmo capace di predire se una lesione è tumorale o meno, e se si tratta di lesione cancerosa o benigna, successivamente si passa alla biopsia, perché il rischio è alto. In questi casi l’intelligenza artificiale potenzia le capacità dell’occhio umano nella valutazione della lesione e nella predizione per il suo percorso. La multiomica sarà un altro ambito in cui si utilizzerà l’intelligenza artificiale. Un suo input è quello di aiutare a scoprire altri biomarcatori che, ad oggi, non abbiamo ancora messo in evidenza e che sono importanti».
Ricerca sul cancro e nuove tecnologie: qual è la maggiore criticità?
«I dati. Secondo me siamo ancora lenti rispetto agli altri Paesi, europei e non. Senza i dati la ricerca diventa impossibile – sottolinea ricercatrice – In Europa, esistono centri come quelli olandesi o tedeschi, che da anni possono appoggiarsi a sistemi nazionali che raccolgono e mettono insieme i dati in modo più rigido rispetto a noi. Lo stesso discorso si può fare anche per gli istituti americani».
In che modo possiamo recuperare?
«In Italia, negli ultimi tre-quattro anni, si sta cercando di cambiare passo. Aumentano gli insights forniti dai pazienti e si stanno rafforzando le infrastrutture – dice Prelaj – Ci sono grandi progetti di collaborazione tra centri accademici, come lo studio Apollo 11, un’iniziativa che ha l’obiettivo di mettere a fattor comune e integrare tutti i dati reali e traslazionali detenuti da vari enti italiani, sia centri oncologici che ospedali con esperienza nel trattamento del cancro del polmone, al fine di combinare e identificare diversi tipi di biomarcatori; o l’I3LUNG, un progetto europeo per l’implementazione di cure mediche personalizzate basate sull’intelligenza artificiale nei pazienti con tumore al polmone di cui sono coordinatrice. Il problema sono i dati che, nell’ambito sanitario, rappresentano un tassello importante».
Nel campo oncologico, i Big Data sono importanti per supportare l’intelligenza artificiale. Quanto incide positivamente un loro uso ottimale?
«I Big data hanno diverse qualità – aggiunge Prelaj – a parte il loro volume, anche la velocità di raccolta e la varietà dei dati stessi. Questi fattori sono essenziali nell’ambito oncologico. In Italia, però, abbiamo due problematiche. La prima è il volume, il numero di pazienti, rispetto ad altri settori siamo purtroppo molto indietro nel mettere i dati insieme. L’altro problema è la qualità, che ad oggi per quanto riguarda la raccolta dei dati, è ancora debole. Bisogna avere metodi standardizzati e di qualità per produrre buoni algoritmi. E in quest’ultimo caso, non parlo solo nel settore oncologico, ma dell’ambito medico in generale».
Che tipo di “rapporto lavorativo” potrebbe instaurarsi, in futuro, tra la figura del medico e l’intelligenza artificiale?
«Nel campo della medicina vedo orizzonti positivi – chiosa il medico – L’Intelligenza artificiale, in futuro, potrebbe risolvere molti task in breve tempo. Di conseguenza, il medico potrà dedicarsi ad altre cose, come umanizzare e approfondire di più il rapporto con il paziente, guadagnando tempo e sforzi per la gestione di una parte di burocrazia diagnostica, o dedicarsi a task più difficili dove l’Intelligenza artificiale non può arrivare da sola».
Bisogna puntare sui Big data, ma servono più finanziamenti e un cambio di strategia. Questa la ricetta giusta per migliorare la ricerca sul cancro. L’Italia si trova ai primi posti in classifica in Europa per la prevenzione, con una spesa del 5,5% a fronte di una media del 3,4%. Gli orizzonti futuri fanno ben sperare e l’Intelligenza artificiale non rappresenterà un fattore di rischio (non è competiva al medico), tutt’altro, ottimizzerà gli step dalla diagnosi alle terapie.
