Il cancro è una delle malattie più temute e complesse da diagnosticare e trattare. Tuttavia, grazie ai progressi della scienza e della tecnologia, stiamo assistendo a una rivoluzione nel modo in cui possiamo rilevare e monitorare questa malattia. Un team di ricercatori della Johns Hopkins ha sviluppato un nuovo strumento di machine learning chiamato ARTEMIS, che identifica sequenze ripetute di DNA nei tumori, offrendo una diagnosi non invasiva e nuove intuizioni sulla genetica del cancro. Questo rappresenta un notevole passo avanti nella rilevazione e nel monitoraggio del cancro, con potenziali applicazioni nella diagnosi precoce e nella valutazione della risposta al trattamento.
Identificare e caratterizzare le sequenze ripetute di DNA, talvolta definite “DNA spazzatura” o “materia oscura” all’interno dei cromosomi, che possono svolgere un ruolo nel cancro o in altre malattie, si è dimostrato difficile. Ora, gli investigatori del Johns Hopkins Kimmel Cancer Center hanno sviluppato un approccio innovativo che utilizza il machine learning per identificare questi elementi nei tessuti cancerosi, così come nel DNA libero da cellule (cfDNA) – frammenti che si staccano dai tumori e fluttuano nel flusso sanguigno. Questo nuovo metodo potrebbe fornire un mezzo non invasivo per rilevare i tumori o monitorare la risposta alla terapia. Il machine learning è un tipo di intelligenza artificiale che utilizza dati e algoritmi informatici per eseguire compiti complessi e accelerare la ricerca.
“Quando si pensa ai geni del cancro esistenti e alle sequenze di DNA intorno a loro, sono pieni di queste ripetizioni”, afferma Victor E. Velculescu, professore di oncologia e co-direttore del Programma di Genetica e Epigenetica del Cancro al Johns Hopkins Kimmel Cancer Center, che ha guidato lo studio con Akshaya Annapragada, uno studente di dottorato in medicina alla Johns Hopkins University School of Medicine, e Robert Scharpf, professore associato di oncologia alla Johns Hopkins.
“Fino a ARTEMIS, questa materia oscura del genoma è stata essenzialmente ignorata, ma ora stiamo vedendo che queste ripetizioni non si verificano casualmente”, afferma Velculescu. “Si accumulano intorno ai geni che sono alterati nel cancro in una varietà di modi diversi, fornendo la prima indicazione che queste sequenze possono essere fondamentali per lo sviluppo del tumore.”
Gli investigatori hanno valutato il potenziale di ARTEMIS per la rilevazione non invasiva del cancro. Hanno applicato lo strumento a campioni di sangue di individui con e senza cancro al polmone partecipanti allo studio danese di screening del cancro al polmone (LUCAS). ARTEMIS ha classificato i pazienti con cancro al polmone con un’area sotto la curva (AUC) di 0,82. Ma quando utilizzato con un altro metodo chiamato DELFI (valutazione del DNA dei frammenti per l’intercettazione precoce) – un test precedentemente sviluppato da Velculescu, Scharpf e altri membri del loro gruppo che rileva cambiamenti nella dimensione e nella distribuzione dei frammenti di cfDNA in tutto il genoma – il modello combinato ha classificato i pazienti con cancro al polmone con un AUC di 0,91. Prestazioni simili sono state osservate in un gruppo di 208 individui a rischio di cancro al fegato, in cui ARTEMIS ha rilevato individui con cancro al fegato tra altri con cirrosi o epatite virale con un AUC di 0,87. Quando combinato con DELFI, l’AUC è aumentato a 0,90.
Infine, hanno valutato se il test del sangue ARTEMIS potesse identificare da dove nel corpo è originato un tumore nei pazienti con cancro. Quando addestrato con informazioni dai partecipanti al PCAWG, lo strumento poteva classificare la fonte dei tessuti tumorali con una precisione media del 78% tra 12 tipi di tumore. Gli investigatori hanno poi combinato ARTEMIS e DELFI per valutare i campioni di sangue di un gruppo di 226 individui con tumori al seno, ovarico, polmonare, colorettale, delle vie biliari, gastrico o pancreatico. Qui, il modello ha classificato correttamente i pazienti tra i diversi tipi di cancro con una precisione media del 68%, che è migliorata all’83% quando al modello è stato permesso di suggerire due possibili tipi di tumore invece di un singolo tipo di cancro.
“Il nostro studio mostra che ARTEMIS può rivelare paesaggi di ripetizioni genomiche su scala globale che riflettono cambiamenti drammatici sottostanti nei tumori umani”, afferma Annapragada. “Illuminando il cosiddetto ‘genoma oscuro’, il lavoro offre intuizioni uniche sul genoma del cancro e fornisce una prova del concetto per l’utilità dei paesaggi di ripetizioni genomiche come biomarcatori tissutali e basati sul sangue per la rilevazione, la caratterizzazione e il monitoraggio del cancro.”
I prossimi passi sono valutare l’approccio in studi clinici più ampi, afferma Velculescu: “Si può immaginare che questo potrebbe essere utilizzato per la rilevazione precoce di una varietà di tipi di cancro, ma potrebbe anche avere usi in altre applicazioni come il monitoraggio della risposta al trattamento o la rilevazione della recidiva. Questa è una frontiera completamente nuova.”
