Un test del sangue alimentato dall'intelligenza artificiale rileva i tumori in singole molecole di DNA

I ricercatori del Johns Hopkins Kimmel Cancer Center stanno portando avanti una nuova tecnologia di analisi del sangue nota come GEMINI (Genome-wide Mutational Incidence for Non-Invasive detection of cancer). 

Unendo il sequenziamento dell'intero genoma di singole molecole di DNA scartate dai tumori con l'apprendimento automatico (ML), il test potrebbe consentire di individuare più precocemente i tumori del polmone e altri tipi di cancro.

Il test GEMINI analizza i frammenti di DNA libero da cellule (cfDNA) rilasciati dai tumori, utilizzando il metodo ML per rilevare le differenze nelle frequenze di mutazioni tumorali e non tumorali nel genoma. I punteggi più alti generati dal modello suggeriscono una maggiore probabilità di avere un cancro.

Nei test di laboratorio, GEMINI è stato applicato alle immagini della tomografia computerizzata e ha individuato oltre 90% di tumori polmonari, anche in fase iniziale. Il studio I risultati sono stati pubblicati su Nature Genetics. 

I ricercatori si sono concentrati soprattutto sull'individuazione del cancro al polmone nelle popolazioni ad alto rischio.

Tuttavia, sono stati osservati profili mutazionali alterati anche nel cfDNA di pazienti con cancro al fegato, melanoma e linfoma, per cui questo approccio potrebbe essere utilizzato in diversi tipi di cancro. 

Come i ricercatori hanno creato GEMINI

Per sviluppare GEMINI, il team ha studiato le sequenze genomiche di 2.511 individui in 25 diversi tipi di cancro. 

I diversi tipi di tumore presentavano profili di mutazione diversi. I ricercatori hanno scoperto che le regioni genomiche con un'alta frequenza di mutazioni erano simili tra il tessuto tumorale e il cfDNA derivato dal sangue in pazienti con cancro al polmone, melanoma o linfoma non-Hodgkin a cellule B. 

Il test GEMINI è stato poi applicato al cfDNA di 365 individui ad alto rischio di cancro ai polmoni, ottenendo punteggi più alti nelle persone con cancro rispetto a quelle senza. 

I ricercatori hanno anche esaminato l'integrazione di GEMINI con un test precedente noto come DELFI (valutazione del DNA dei frammenti per l'intercettazione precoce),

In totale, GEMINI e DELFI hanno identificato correttamente i tumori nel 91% dei casi in 89 campioni.

In particolare, il test GEMINI ha rilevato anomalie nei profili di mutazione del cfDNA anni prima delle diagnosi standard in sette pazienti senza tumori rilevabili al momento del prelievo di sangue. 

Sei sono risultati positivi al test GEMINI e in seguito hanno ricevuto una diagnosi di cancro ai polmoni da 231 a 1.868 giorni dopo il prelievo dei campioni.

Ripartizione dello studio

1. Campione di sangue: Un campione di sangue viene prelevato da una persona che potrebbe essere a rischio di sviluppare un cancro. Questo campione contiene cfDNA, piccoli frammenti di DNA rilasciati dalle cellule del corpo, comprese quelle potenzialmente tumorali.
2. Estrazione e sequenziamento del DNA: Il cfDNA viene estratto dal campione di sangue e poi sequenziato. Ciò significa che gli scienziati tracciano l'ordine dei "mattoni" che compongono il DNA. Questo aiuta a identificare eventuali cambiamenti o mutazioni del DNA.
3. Analisi delle alterazioni del DNA: Ogni singola molecola di DNA viene analizzata per individuare eventuali alterazioni della sequenza, consentendo ai ricercatori di tracciare i profili di mutazione dell'intero genoma. In sostanza, cercano schemi nelle mutazioni che possano suggerire la presenza di un cancro.
4. Apprendimento automatico: Un modello di apprendimento automatico, addestrato a riconoscere la differenza tra le frequenze di mutazioni cancerose e non cancerose in diverse aree del genoma, viene quindi utilizzato per analizzare i profili di mutazione. Il modello di apprendimento automatico assegna quindi un punteggio che va da 0 a 1, dove un punteggio più alto indica una maggiore probabilità di cancro.
5. Ulteriori convalide e testSe il punteggio GEMINI è elevato e suggerisce la presenza di un tumore, per confermare la diagnosi e individuare lo stadio del tumore si ricorre a test aggiuntivi come la tomografia computerizzata per immagini e il test DELFI (che rileva i cambiamenti nelle dimensioni e nella distribuzione dei frammenti di cfDNA nel genoma). Questa combinazione di test si è dimostrata molto efficace, rilevando oltre 90% di tumori polmonari nello studio.

Si tratta di un altro studio intrigante che rivela la nuova applicazione dell'apprendimento automatico alla diagnostica medica, questa volta analizzando i tumori a livello cellulare.

Sono necessari studi clinici più ampi per convalidare lo strumento prima che possa essere disponibile per l'uso clinico.

Questa settimana, un Screening del cancro al seno supportato dall'AI Il flusso di lavoro ha migliorato notevolmente la velocità e l'efficienza della valutazione delle mammografie per individuare eventuali tumori.