L'intelligenza artificiale è nostra alleata nella lotta ai tumori non solo perché permette diagnosi più accurate, ma anche perché ci può rappresentare in modo fedele senza che siamo fisicamente presenti. Un gruppo di ricercatori britannici ha saputo ricreare gemelli digitali dei pazienti che ha usato per prevedere se un trattamento anti-cancro funzionasse o meno. Uno strumento che promette di accelerare i trial clinici di nuovi farmaci e di trovare trattamenti più mirati.. Che cos'è un digital twin. La tecnologia, appena presentata a un simposio congiunto di EORTC (European Organisation for Research and Treatment of Cancer, NCI (National Cancer Institute) e AACR (American Association for Cancer Research) si chiama FarrSight®-Twin ed è basata sugli stessi algoritmi sfruttati in astrofisica per la ricerca sui buchi neri. Integra i dati molecolari del tumore del singolo paziente, ricavati dai campioni esportati chirurgicamente, con i dati clinici e le immagini dei referti di migliaia di pazienti con lo stesso tipo di tumore che hanno partecipato a progetti di ricerca e sono stati trattati in diversi modi.
Tutte queste informazioni sono usate per creare un gemello digitale del singolo paziente che possa essere usato per prevedere la risposta al farmaco usato per la chemioterapia o l'immunoterapia, o per capire quali caratteristiche rendano alcune persone più o meno sensibili a certi trattamenti. . Studi più celeri. Lungi dal voler sostituire i pazienti in carne ossa coinvolti negli studi clinici, i gemelli digitali potrebbero però essere usati da chi si occupa di ricerca sul cancro in versioni virtuali dei trial clinici prima che i farmaci siano testati sulle persone, per esempio per capire in anticipo quali trattamenti abbiano maggiori probabilità di funzionare su un certo tipo di tumore e accorciare così tempi e costi delle sperimentazioni.
Un'altra possibilità è sfruttare i gemelli digitali per affiancare nei trial i pazienti veri e propri e costituire così un gruppo di controllo virtuale per ogni trial. L'effetto dei farmaci sul gemello digitale potrebbe indicare ai medici quale tipo di terapia si addica di più alle caratteristiche della persona da curare.. Meno buchi nell'acqua. «In tutto il mondo, spendiamo miliardi di dollari per sviluppare nuovi trattamenti contro il cancro. Alcuni si riveleranno efficaci, ma la maggior parte no» spiega Uzma Asghar della compagnia biotech Concr, che ha presentato questi dati, nonché oncologa consulente del Royal Marsden NHS Foundation Trust di Londra. «Possiamo usare i gemelli digitali per rappresentare singoli pazienti, creare coorti per le sperimentazioni cliniche e confrontare i trattamenti per vedere se hanno probabilità di successo prima di testarli su pazienti reali».. Prova sul campo. Gli scienziati hanno testato l'efficacia dei digital twins usandoli per ricreare trial clinici già pubblicati sul cancro al seno, al pancreas e alle ovaie, in cui ogni paziente reale coinvolto nello studio è stato sostituito dal suo gemello digitale. Nel complesso, anche con le copie virtuali dei pazienti i risultati dello studio simulato sono risultati in linea con quelli dello studio reale. Inoltre, quando i pazienti avevano effettivamente ricevuto il trattamento ritenuto migliore studiando il loro gemello digitale, il tasso di risposta alle terapie (cioè la porzione di pazienti in cui il tumore si era ridotto in dimensioni) è stato del 75% rispetto al 53,5% generale.. Dove si usano già. I digital twins hanno già cominciato ad accorciare i tempi della ricerca sul cancro: «Questa tecnologia permette ai ricercatori di simulare sperimentazioni sui pazienti in una fase molto più precoce dello sviluppo del farmaco e rieseguire la simulazione più volte per testare diversi scenari così da massimizzare la probabilità di successo» dice Asghar. «E viene già utilizzata per simulare pazienti che fungono da controlli per confrontare l'effetto di un nuovo trattamento con lo standard di cura esistente». In futuro, potrebbe aiutare a prevedere se un tipo di trattamento risulterà efficace nel singolo paziente, aiutando i medici ad effettuare scelte più accurate nel piano terapeutico.
.
