L’intelligenza artificiale potrebbe aiutare la salute delle donne

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.

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.

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.