Intercettare il farmaco antitumorale su misura, con l’intelligenza artificiale

A cura de Il Pensiero Scientifico Editore

 

La rivista Cancer Cell descrive DrugCell, una nuova piattaforma intelligente basata sul deep learning che potrebbe rilevarsi una valida alleata della oncologia di precisione (1). Una delle sfide, soprattutto per il cancro, è riuscire a prevedere quali farmaci agiranno meglio dato il funzionamento interno – unico e complesso – delle cellule tumorali di ciascuna persona. DrugCell è stata sviluppata all’UC San Diego News Center proprio a questo scopo: individuare tra le molecole a disposizione quella più adatta per la cura di quel particolare tumore di quella specifica persona. È stata messa a punto su 1235 linee cellulari tumorali e sulle loro risposte a quasi 684 farmaci terapeutici sperimentali, approvati dalla Food and Drug Administration (FDA) statunitense, per un totale di oltre 500.000 abbinamenti linea cellulare/farmaco. Una volta inseriti nella piattaforma i dati di un tumore, il sistema restituisce il farmaco più noto, i percorsi biologici che controllano la risposta a quel farmaco e le combinazioni di farmaci per trattare al meglio la neoplasia.

“Per la maggior parte i sistemi di intelligenza artificiale sono ‘scatole nere’, possono essere molto predittivi, ma in realtà non sappiamo molto su come funzionano”, ha detto Trey Ideker, direttore della National Resource for Network Biology, del San Diego Center for Systems Biology e della Cancer Cell Map Initiative. Pensiamo per esempio al funzionamento della ricerca di immagini su Internet per la parola “gatto”. “I sistemi di intelligenza artificiale che lavorano dietro le quinte sono ‘addestrati’ sulle immagini di gatti esistenti, ma il modo in cui etichettano effettivamente una nuova immagine come ‘gatto’ e non ‘ratto’ o qualcos’altro è sconosciuto”. Affinché l’intelligenza artificiale sia utile nell’assistenza sanitaria, prosegue Ideker, dobbiamo essere in grado di vedere all’interno della scatola nera per capire come il sistema arriva alle sue conclusioni (2).

La terapia antitumorale di precisione è già disponibile presso il Moores Cancer Center della UC San Diego Health, dove i pazienti possono sottoporsi a una biopsia del tumore sequenziata per le mutazioni e valutata dal Molecular Tumor Board, un gruppo interdisciplinare di esperti. “Siamo rimasti sorpresi del modo in cui DrugCell sia stato in grado di tradurre linee cellulari di laboratorio – ciò su cui abbiamo addestrato il modello – e interpretare i tumori nei topi e nei pazienti, così come i dati degli studi clinici”, ha riferito Brent Kuenzi, tra gli autori della ricerca. L’obiettivo finale del gruppo di lavoro è quello di portare DrugCell nelle cliniche a beneficio dei pazienti, ma gli autori dello studio avvertono che c’è ancora molta strada da fare.

Il direttore della Cancer Cell Map Initiative, Trey Ideker, aggiunge che “soltanto il 4% di tutti i farmaci antitumorali in fase di sviluppo ottiene l’approvazione finale dalla FDA” e reputa che la difficoltà ad ottenere l’approvazione è dovuta in parte al fatto che “in questo momento non possiamo abbinare in modo intelligente la giusta combinazione di farmaci al giusto paziente”. Soprattutto in ambito oncologico (2).

Ma il commento del padrino di DrugCell andrebbe contestualizzato e riletto tenendo in considerazione le problematiche e le complessità insite nel processo di approvazione di un nuovo farmaco. La questione dell’approvazione dei nuovi farmaci antitumorali è oggetto di un forte dibattito e c’è chi considera invece che un percorso di approvazione accelerato non sempre vada nell’interesse dei pazienti e della sostenibilità dell’intero sistema.

Uno studio pubblicato dal BMJ nel 2017 (3) era arrivato alle conclusioni che quasi metà delle nuove terapie oncologiche introdotte in Europa tra il 2009 e il 2013 non era supportata da prove convincenti in termini di miglioramento della sopravvivenza o della qualità di vita dei pazienti. “Il ritorno economico di un singolo farmaco di successo si aggira letteralmente su milioni di dollari. Non deve quindi sorprendere se le sperimentazioni non riportano la valutazione della qualità di vita nel paziente o minimizzano la tossicità del farmaco”, scrive Bishal Gyawali su Forward (4). “Per avere un maggior controllo servirebbe agire sulle procedure di approvazione dei farmaci da parte del regolatorio, tuttavia la tendenza per questi farmaci è quella di abbassare la soglia per l’approvazione, ovvero l’asticella dell’efficacia. La priorità non è né l’efficacia né la sicurezza, ma la velocità di approvazione”.

C’è molta confusione insomma. Il problema non è solo trovare in modo intelligente la giusta combinazione di farmaci al giusto paziente ma anche quella di trovare in modo intelligente il giusto equilibrio tra ritorno economico, sostenibilità del sistema e rigore nella sperimentazione, senza perdere di vista quali sono le priorità del paziente. I sistemi di intelligenza artificiale, machine learning e deep learning possono essere dei validi alleati in questa sfida, supportando anche il percorso che conduce alla ricerca di molecole “potenzialmente attive” e utili nel trattamento non solo dei tumori ma anche – già si lavora in questo senso – per COVID-19 (5,6). Ma un conto è la “attività” teorica di una molecola, un altro è l’efficacia (e la sicurezza) nelle popolazioni di pazienti che si andrebbero a trattare.

 

Bibliografia

  1. Buschman H. DrugCell: New Experimental AI Platform Matches Tumor to Best Drug Combo. UC San Diego News Center, October 22, 2020.
  2. Kuenzi BM, Park J, Fong SH, et al. Predicting Drug Response and Synergy Using a Deep Learning Model of Human Cancer Cells. Cancer Cell. 2020 Oct 21:S1535-6108(20)30488-8. doi: 10.1016/j.ccell.2020.09.014. Epub ahead of print. PMID: 33096023.
  3. Davis C, Naci H, Gurpinar E, et al. Availability of evidence of benefits on overall survival and quality of life of cancer drugs approved by European Medicines Agency: retrospective cohort study of drug approvals 2009-13. BMJ 2017; 359: j4530.
  4. Gyawali B. Guardare prima alla Terra invece che alla Luna. Recenti Prog Med 2018;Suppl Forward11:S23-S24.
  5. Service RF. AI invents new ‘recipes’ for potential COVID-19 drugs. Sciencemag.org, 20 agosto 2020.
  6. Zhou Y, Wang F, Tang J, Nussinov R, Cheng F. Artificial intelligence in COVID-19 drug repurposing. Lancet Digit Health. 2020;10.1016/S2589-7500(20)30192-8. doi:10.1016/S2589-7500(20)30192-8

 

Share on facebook
Facebook
Share on twitter
Twitter