Andare oltre la fotografia del presente per provare a prevedere come un tumore potrà evolvere nel tempo. È su questo obiettivo che si innesta EvoClin, progetto nato dalla ricerca accademica italiana e che si è aggiudicato il 23° Premio Nazionale per l’Innovazione (PNI) di PNICube, nella sezione Life Science, al termine della finale nazionale a Ferrara che ha riunito alcune delle iniziative imprenditoriali più promettenti emerse dai laboratori universitari del Paese.

Al centro, l’applicazione dell’intelligenza artificiale all’oncologia per supportare decisioni cliniche più rapide, mirate e personalizzate. La sfida: usare l’intelligenza artificiale non solo per leggere il cancro, ma per anticiparne le mosse.

Un progetto che nasce dalla ricerca accademica

EvoClin è uno spin-off dell’Università di Milano-Bicocca in via di costituzione, sviluppato da Ivan Civettini, ematologo e oncologo, dottorando all’Università Vita-Salute San Raffaele, Alex Graudenzi, professore associato al Dipartimento di Informatica, Sistemistica e Comunicazione della Bicocca, e Daniele Ramazzotti, professore associato al Dipartimento di Medicina e Chirurgia dell’ateneo milanese, e l’ingegnere Federico Cultrera di Montesano, con competenze che integrano medicina, bioinformatica e data science.

Il cuore della tecnologia è una piattaforma di machine learning progettata per ricostruire e anticipare le traiettorie evolutive del tumore a partire da dati già disponibili nella pratica clinica ospedaliera.

Il limite del sequenziamento oncologico: molti dati, poche previsioni

Negli ultimi dieci anni il sequenziamento genetico è entrato stabilmente nella pratica clinica oncologica. Dai pannelli ristretti di poche decine di geni si è passati a test in grado di analizzarne centinaia in un’unica analisi. Un salto tecnologico che ha moltiplicato la quantità di dati prodotti, senza però tradursi automaticamente in un maggiore impatto clinico.

«Oggi il sequenziamento restituisce soprattutto una fotografia del presente» spiega Ivan Civettini. «I dati vengono usati per individuare singoli bersagli terapeutici, ma molto meno per capire come la malattia potrebbe evolvere nel tempo». E secondo il team, una parte significativa dell’informazione clinicamente rilevante già disponibile negli ospedali resta in larga misura sottoutilizzata.

L’idea alla base di EvoClin è trasformare tutti questi dati in uno strumento dinamico, capace di fornire indicazioni sull’evoluzione biologica del tumore e sul possibile outcome clinico.

Le rotte evolutive del tumore: quando i dati genetici diventano modelli predittivi

Il concetto chiave su cui si basa la piattaforma è quello delle “rotte evolutive”. Analizzando ampie coorti di pazienti, il team ha osservato che tumori con prognosi simili tendono a seguire pattern ricorrenti di mutazioni nel tempo: alcune combinazioni genetiche sono associate a evoluzioni più aggressive, altre a risposte terapeutiche più favorevoli.

Questa intuizione è stata formalizzata in modelli predittivi descritti in una pubblicazione su Nature Communications nel 2023. «Per la prima volta siamo riusciti a collegare specifici pattern mutazionali alla probabilità di sopravvivenza e ad altri outcome clinici» spiega l’informatico Alex Graudenzi.

Il passo successivo è stato portare questi modelli oltre il contesto accademico. «Molti approcci simili restano confinati alla ricerca» osserva Daniele Ramazzotti. «Noi abbiamo lavorato per renderli utilizzabili nella pratica clinica quotidiana, a partire da dati già disponibili».

Numeri promettenti, ma preliminari: il nodo della validazione

Sul sito del progetto viene indicata un’accuratezza che può arrivare al 96%, ma il team chiarisce che si tratta di risultati preliminari. I dati più avanzati provengono da analisi iniziali su pazienti ematologici e non sono ancora pubblicati. «Siamo in una fase di validazione rigorosa» sottolinea Ramazzotti. «Prima di comunicare numeri definitivi servono studi longitudinali, coorti indipendenti e verifiche riproducibili».

Anche la dimensione temporale delle previsioni resta volutamente aperta. Tumori diversi evolvono con tempi molto differenti, e fissare un unico orizzonte rischierebbe di essere fuorviante. Più che stabilire “fin dove” si riesca a prevedere, oggi EvoClin punta a migliorare la stratificazione del rischio, un elemento che può già incidere sulle scelte terapeutiche.

Tumori diversi, modelli diversi

La piattaforma non nasce come tumor-agnostic. «Pur condividendo un impianto concettuale comune», spiega Ivan Civettini, «l’approccio cambia in modo sostanziale tra tumori ematologici e solidi, che presentano dinamiche biologiche e cliniche molto diverse». «Non esiste un modello valido per tutti» aggiunge Ramazzotti. «La medicina di precisione richiede modelli addestrati e validati su singole patologie».

Finora EvoClin si è concentrata soprattutto sui tumori ematologici, come mielodisplasie e leucemie mieloidi acute. Sul fronte dei tumori solidi, l’analisi di grandi dataset pubblici ha già individuato indicazioni promettenti, tra cui colon, ovaio, prostata e rene, per le quali sono state sviluppate pipeline dedicate. Nel complesso, i modelli sono stati addestrati su dati di circa 100mila pazienti.

Dall’algoritmo alla corsia: le sfide dell’integrazione clinica

Se la componente algoritmica è complessa, l’integrazione nella pratica clinica lo è forse ancora di più. «I workflow ospedalieri sono estremamente eterogenei» osserva Graudenzi. «Integrare un nuovo strumento in sistemi informativi diversi, spesso poco standardizzati, è una delle sfide principali».

C’è poi il rischio di sovraccarico informativo per i medici. «Il nostro obiettivo è l’opposto», spiega Civettini. «Sintetizzare, fornire score di rischio e probabilità chiare, con informazioni realmente azionabili». La piattaforma è pensata come uno strumento interattivo, che consenta al personale medico di accedere subito agli indicatori chiave e di approfondire solo quando necessario.

Dal laboratorio al paziente: il percorso di trasferimento tecnologico

Il Premio Nazionale per l’Innovazione rappresenta soprattutto un riconoscimento del percorso di trasferimento tecnologico. «In Italia non è semplice portare la ricerca accademica fino al letto del paziente» osserva Graudenzi.

Il premio ha aperto le prime interlocuzioni con potenziali investitori.

In parallelo, il team sta sviluppando una strategia di protezione della proprietà intellettuale, con brevetti distinti per tumori ematologici e solidi. La roadmap prevede lo sviluppo iniziale del software come medical device per research use only, la validazione su un tumore ematologico e uno solido e la costruzione di una base tecnologica e regolatoria solida, inclusa la compliance al GDPR. Solo in una fase successiva è prevista l’estensione ad altre indicazioni.