L’intelligenza artificiale offre nuove soluzioni per ridurre la mortalità materna, migliorare le terapie per le pazienti con cancro al seno e molto altro
Le donne costituiscono circa la metà della popolazione mondiale, ma la ricerca sulle principali malattie che ne compromettono la salute è stata storicamente trascurata rispetto a quella sugli uomini.
Alcuni scienziati stanno cercando di cambiare questa situazione sfruttando l’intelligenza artificiale e la medicina computazionale per ottenere risultati che altrimenti potrebbero passare inosservati.
Questo approccio sta portando a nuove scoperte su complicazioni della gravidanza, endometriosi, mortalità materna, tumori del seno e del collo dell’utero, oltre ad altri problemi di salute femminile. Tali scoperte potrebbero migliorare significativamente le cure disponibili.
L’intelligenza artificiale potrebbe aiutare a migliorare la salute delle donne: ecco come
La scienza computazionale sta avanzando la ricerca sulla salute delle donne in due modi principali, spiega Tom Yankeelov, direttore del Centro di Oncologia Computazionale presso l’Oden Institute dell’Università del Texas ad Austin. Da un lato, l’intelligenza artificiale viene utilizzata per analizzare vasti set di dati e trarre conclusioni generali; dall’altro, si ottengono informazioni specifiche dai singoli pazienti, permettendo di fare valutazioni e previsioni mirate per casi individuali.
Uno dei motivi dietro questi avanzamenti è che le operazioni computazionali sono diventate così rapide ed economiche che gli scienziati possono ora analizzare enormi quantità di dati.
Ad esempio, uno studio sui decessi legati al parto in 200 Paesi ha richiesto la simulazione di centinaia di migliaia di parametri sanitari che potrebbero influenzare la salute delle donne durante questo periodo critico, come spiega Zachary Ward, ricercatore presso la T.H. Chan School of Public Health di Harvard.
Un’impresa di questa portata sarebbe stata impensabile anche solo dieci anni fa. Per un anno intero, una serie di computer ad alte prestazioni ha elaborato continuamente dati, identificando i fattori determinanti per salvare vite.
Il crescente interesse da parte di un numero sempre maggiore di giovani ingegneri donne ha giocato un ruolo cruciale nel progresso del settore, secondo Michelle Oyen, direttrice del Center for Women’s Health Engineering dell’Università di Washington a St. Louis, che collabora con le facoltà di ingegneria e medicina.
L’idea di utilizzare simulazioni al computer per studiare problemi legati alla gravidanza, come fa il suo laboratorio, sembra catturare l’immaginazione dei giovani studenti. “Spesso sento dire: ‘mia madre o un’amica ha avuto lo stesso problema’, c’è un legame personale”, osserva.
Yankeelov adotta un approccio personalizzato per trattare in modo più efficace il cancro al seno localmente avanzato (LABC), una forma in cui la malattia si è diffusa solo ai linfonodi delle ascelle. Secondo l’esperto, è fondamentale utilizzare i dati specifici di ogni paziente, poiché i numerosi sottotipi di cancro al seno rendono unica l’esperienza e le prospettive di sopravvivenza di ciascuno.
La maggior parte dei progressi in medicina si basa su un metodo di prova ed errore, tipicamente attraverso studi clinici. Un trattamento viene considerato efficace se dimostra benefici per la media delle persone coinvolte, non necessariamente per il singolo individuo.
Questo è molto diverso rispetto a come avanzano altre discipline scientifiche: “Quando lanciamo un satellite, non ne mandiamo 100 nello spazio sperando che uno raggiunga l’orbita corretta”, spiega Yankeelov; al contrario, si lancia un solo satellite, basandosi su equazioni matematiche sviluppate da fisici e ingegneri.
Yankeelov e il suo team hanno lavorato per creare equazioni matematiche applicabili a ogni paziente con LABC. Sono riusciti a sviluppare quattro equazioni differenziali che modellano la crescita del tumore e la sua risposta al trattamento. Queste equazioni tengono conto di fattori noti per influenzare la progressione del cancro, come la migrazione e la proliferazione delle cellule tumorali, la loro interazione con il tessuto circostante e la risposta iniziale a un ciclo di terapia.
Successivamente, i supercomputer risolvono queste equazioni specificamente per ogni paziente utilizzando i dati ottenuti tramite risonanza magnetica (MRI) del seno.
Attualmente, il protocollo standard prevede un ciclo di chemioterapia prima dell’intervento chirurgico per rimuovere il tumore. Tuttavia, in circa due terzi dei casi, rimangono cellule cancerose, aumentando il rischio di recidiva. Le equazioni sviluppate da Yankeelov potrebbero aiutare a identificare i trattamenti più efficaci per il LABC.
In uno studio condotto su 56 donne con un tipo di LABC, noto come triplo negativo, le equazioni hanno dimostrato un’accuratezza dell’89% nel prevedere se il trattamento standard sarebbe stato efficace. Il prossimo passo sarà un trial clinico prospettico in cui le previsioni generate dai computer verranno utilizzate per personalizzare i trattamenti, offrendo ad esempio terapie aggiuntive nei casi in cui il successo del trattamento standard sembra improbabile.
Un approccio personalizzato viene impiegato anche per studiare l’attività dell’utero durante il travaglio. I medici monitorano le contrazioni uterine usando un dispositivo chiamato tocodinamometro, che misura durata, frequenza e intensità delle contrazioni.
Tuttavia, per comprendere meglio cosa accade nell’utero durante un travaglio pretermine o in caso di malfunzionamento del dispositivo durante il parto, sono necessarie informazioni più approfondite, come spiega Yong Wang, professore associato presso le facoltà di ingegneria e medicina dell’Università del Washington a St. Louis.
Michelle Oyen sta anch’essa conducendo ricerche sulle dinamiche della gravidanza, concentrandosi in particolare sulla placenta, l’organo responsabile di fornire nutrimento e ossigeno al feto. Nonostante il ruolo cruciale della placenta, la scienza ne sa ancora poco, il che limita gli strumenti a disposizione degli ostetrici in caso di complicazioni, spesso lasciandoli a consigliare semplicemente il riposo a letto o il parto cesareo.
Oyen sfrutta l’apprendimento automatico per sviluppare un modello computazionale dinamico della placenta: “Inseriamo nel computer la geometria dell’organo e le proprietà dei tessuti, quindi osserviamo cosa accade modificando queste proprietà e conducendo centinaia di simulazioni,” spiega l’esperta. Questo tipo di ricerca non può essere condotto su esseri umani per ovvi motivi etici, né sugli animali, poiché la loro placenta differisce significativamente da quella umana.
L’obiettivo di questi studi di modellazione è fornire agli scienziati una comprensione più approfondita del ruolo della placenta, ad esempio, quando la crescita del feto rallenta in modo anomalo (argomento di uno studio clinico multicentrico attualmente in corso) o in caso di complicazioni come la preeclampsia, una condizione potenzialmente letale in cui la placenta gioca un ruolo cruciale.
Oyen sta anche conducendo studi digitali sul sacco amniotico, la struttura piena di liquido in cui il feto si sviluppa durante la gravidanza. In circa il 3% delle gravidanze a livello mondiale, le membrane di collagene che formano il sacco amniotico si rompono prematuramente, spesso con conseguenze fatali per il feto.
Analizzando virtualmente come le singole fibre reagiscono a pressioni e lacerazioni, si può comprendere la sequenza di eventi che porta alla rottura del sacco. Questa conoscenza potrebbe, in futuro, consentire interventi in utero per riparare il sacco prima che un piccolo problema si trasformi in una complicazione grave.
Nonostante una riduzione di oltre il 40% negli ultimi 30 anni, la mortalità materna rimane elevata. Le simulazioni di interventi nei paesi in via di sviluppo hanno permesso al team di Ward di identificare le azioni con il maggiore impatto potenziale.
I risultati di queste simulazioni hanno dimostrato che nessun singolo intervento è sufficiente. “Stiamo scoprendo che non ha molto senso fare una cosa alla volta. È necessario adottare strategie più ampie e integrate, specifiche per ogni Paese”. Ad esempio, migliorare la qualità delle strutture per il parto e incoraggiare più donne a utilizzarle può salvare vite, ma ciò non basta se non si garantisce anche la presenza di un numero adeguato di operatori sanitari qualificati in quelle strutture o se non si facilita l’accesso al controllo delle nascite.
Conclusioni analoghe sono emerse dalle simulazioni volte a ridurre i decessi globali per tumore al collo dell’utero. Gli scienziati hanno riscontrato che l’introduzione di dispositivi diagnostici per immagini non è efficace se non viene accompagnata da un aumento degli agenti chemioterapici, del numero di oncologi qualificati e delle capacità della radioterapia.
Sebbene i modelli computazionali non abbiano individuato un singolo intervento risolutivo, Ward sottolinea l’importanza di raccogliere queste informazioni. “Mi piacerebbe che i decisori politici basassero le loro scelte sui dati”, afferma. Se lui e altri ricercatori continueranno a impiegare la scienza computazionale per affrontare le problematiche della salute femminile, questa possibilità diventerà sempre più concreta.
