Un nuovo modello di intelligenza artificiale assiste il chirurgo in sala operatoria, aiutandolo a distinguere con precisione i margini del tumore per una rimozione chirurgica completa
I gliomi sono tumori cerebrali particolarmente aggressivi. Anche dopo interventi mirati, la maggior parte dei pazienti affronta recidive entro pochi mesi o anni, poiché le cellule tumorali si diffondono oltre i margini visibili, intrecciandosi al tessuto cerebrale sano e rendendo complessa la rimozione completa per via chirurgica. Laddove la vista umana non può arrivare, però, l'intelligenza artificiale (AI) offre una soluzione innovativa. I ricercatori dell’Università del Michigan hanno sviluppato FastGlioma, un modello di AI capace di analizzare campioni di tessuto in meno di dieci secondi, fornendo in sala operatoria indicazioni in tempo reale sulla presenza di cellule tumorali residue. Le sue prestazioni, rivoluzionarie per la neurochirurgia, sono state pubblicate su Nature, ne parliamo in occasione del World Cancer Day che viene celebrato il 4 febbraio.
GLIOMA: UN TUMORE AGGRESSIVO
Il glioma è un tumore che origina nel cervello, più precisamente nelle cosiddette cellule della glia che formano una membrana a sostegno dei neuroni. È uno dei tumori cerebrali più diffusi e aggressivi, rappresentando circa il 30% delle neoplasie del sistema nervoso centrale e l’80% dei tumori cerebrali maligni.
Nonostante i progressi terapeutici – risultati promettenti arrivano sia dalla terapia genica sia dalle cellule CAR-T – la prognosi rimane sfavorevole, soprattutto per il glioblastoma, la forma più aggressiva. La sopravvivenza dei pazienti affetti da glioblastoma è in media di soli 15 mesi dopo la diagnosi e solo il 7% dei pazienti è ancora vivo dopo 5 anni. Un dato che stride con le conquiste fotografate nel volume “I numeri del cancro in Italia 2024” realizzato da Associazione Italiana di Oncologia Medica (AIOM), che mostrano, invece, un aumento del numero di persone in vita dopo una diagnosi di tumore e una riduzione della mortalità per cancro nei giovani adulti (20-49enni).
IL RISCHIO DI RECIDIVA
I trattamenti standard contro il glioblastoma (chirurgia, radioterapia, chemioterapia) sono spesso efficaci solo temporaneamente. L’ostacolo più grande è la recidiva: a causa della natura infiltrante di questo tumore, le cellule tumorali si estendono oltre i margini visibili della massa principale e si diffondono nel tessuto cerebrale sano, rendendo difficile per il chirurgo distinguere i confini del tumore durante l’intervento. Il rischio è di lasciare residui di tessuto tumorale, che possono causare recidive in pochi mesi: questi nuovi tumori sono generalmente più resistenti alle terapie rispetto al primo.
La frequenza di recidiva nei gliomi è molto elevata, arrivando a sfiorare addirittura il 90% nei pazienti affetti da glioblastoma. Una resezione chirurgica completa e sicura potrebbe essere cruciale per combattere i gliomi ma, nonostante i progressi in campo neurochirurgico, resta ancora una sfida critica.
COME FUNZIONA FASTGLIOMA?
Laddove non arriva l’occhio umano, oggi può intervenire l’intelligenza artificiale (AI), protagonista di ben due Premi Nobel nel 2024. Grazie alla sua capacità di analizzare enormi quantità di dati in tempo reale, l’AI può imparare virtualmente qualunque cosa, anche come riconoscere un tessuto cerebrale infiltrato.
Così è stato sviluppato FastGlioma, che combina una tecnica di imaging ottico avanzata, chiamata Stimulated Raman Histology (SRH), con un modello di intelligenza artificiale estremamente sofisticato. Durante l’intervento chirurgico, i campioni di tessuto prelevati dai margini della cavità di resezione vengono analizzati in pochi secondi utilizzando la SRH, una tecnica che crea immagini microscopiche ad alta risoluzione basandosi sulle proprietà biochimiche intrinseche del tessuto, senza necessità di coloranti o marcatori. Le immagini prodotte dalla SRH vengono quindi elaborate da un modello di AI che identifica e classifica le aree tumorali con grande accuratezza. Per imparare a distinguere il tessuto cerebrale infiltrato, FastGlioma è stata addestrato utilizzando un dataset enorme, oltre 11.000 campioni chirurgici e 4 milioni di immagini microscopiche uniche. Il modello è in grado di assegnare a ciascun campione un punteggio continuo da 0 a 1, indicando il grado di infiltrazione tumorale, con un margine di errore minimo.
Esistono anche altre opzioni per assistere il chirurgo in sala operatoria, ma nessuna è esente da limiti: la risonanza magnetica intraoperatoria richiede apparecchiature costose e ingombranti, e l’imaging fluorescente non è applicabile a tutti i tipi di tumore. FastGlioma, al contrario, è semplice, rapido e, soprattutto, efficace. In uno studio internazionale su 220 pazienti con gliomi di basso o alto grado, FastGlioma ha raggiunto una precisione del 92%, solo nel 3,8% dei casi non è stato in grado di individuare il tessuto tumorale residuo, rispetto al 25% delle tecnologie tradizionali.
UN NUOVO ALLEATO IN SALA OPERATORIA
FastGlioma opera in due modalità: una a piena risoluzione, che richiede circa 100 secondi per acquisire un’immagine dettagliata, e una veloce, che impiega solo 10 secondi. Sebbene quest’ultima sia leggermente meno precisa, con una accuratezza intorno al 90%, è sufficientemente efficace per fornire input in tempo reale, indicando immediatamente al chirurgo se è necessaria un’ulteriore resezione.
FastGlioma ha dimostrato di distinguere con precisione il tessuto tumorale anche in altre diagnosi, come i tumori cerebrali pediatrici (medulloblastomi e meningiomi) senza necessità di ricalibrazione o ulteriori addestramenti. Secondo i suoi sviluppatori, il suo uso potrebbe essere esteso anche ad altri tumori come quello del polmone, della prostata o della mammella. Sebbene ancora in fase sperimentale, FastGlioma dimostra i vantaggi dei modelli visivi basati sull’intelligenza artificiale nel migliorare la chirurgia dei tumori.
L’intelligenza artificiale (AI) è ormai ovunque, le applicazioni mediche sono ormai tante e raggiungono ottimi livelli: il libro “Il futuro è già qui” di Barbara Gallavotti lo spiega molto bene. Leggi la recensione qui.
