Un esame del sangue basato sull'intelligenza artificiale individua i primi segnali del cancro al seno / AI powered blood test spots earliest breast cancer signs

Segnalato dal Dott. Giuseppe Cotellessa / Reported by Dr. Giuseppe Cotellessa

Uno studio suggerisce che un nuovo metodo di screening che combina l'analisi laser con un tipo di intelligenza artificiale è il primo del suo genere a identificare le pazienti nelle fasi iniziali del cancro al seno.

Questa tecnica rapida e non invasiva rivela sottili cambiamenti nel flusso sanguigno che si verificano durante le fasi iniziali della malattia, note come stadio 1a, che non sono rilevabili con i test esistenti, afferma il gruppo.

I ricercatori di Edimburgo affermano che il loro nuovo metodo potrebbe migliorare la diagnosi precoce ed il monitoraggio della malattia ed aprire la strada ad un test di screening per molteplici forme di cancro.

Gli esami standard per il cancro al seno possono includere un esame fisico, una radiografia od un'ecografia o l'analisi di un campione di tessuto mammario, nota come biopsia. Le attuali strategie di diagnosi precoce si basano sullo screening delle persone in base all'età od all'appartenenza a gruppi a rischio.

Utilizzando il nuovo metodo, i ricercatori sono riusciti ad individuare il cancro al seno in una fase iniziale ottimizzando una tecnica di analisi laser, nota come spettroscopia Raman, e combinandola con l'apprendimento automatico, una forma di intelligenza artificiale.

Sono stati sperimentati approcci simili per lo screening di altri tipi di cancro, ma il primo stadio in cui sono riusciti ad individuare la malattia è stato il secondo, afferma il gruppo.

Nello studio pilota condotto su 12 campioni di pazienti affette da tumore al seno e 12 controlli sani, la tecnica si è rivelata efficace al 98% nell'identificare il tumore al seno allo stadio 1a.

Il test potrebbe inoltre distinguere ciascuno dei quattro principali sottotipi di cancro al seno con una precisione superiore al 90%, consentendo ai pazienti di ricevere un trattamento più efficace e personalizzato.

L'implementazione di questo test come screening aiuterebbe ad identificare più persone nelle fasi iniziali del cancro al seno ed ad aumentare le probabilità di successo del trattamento. Il gruppo mira ad ampliare il lavoro per coinvolgere più partecipanti ed includere test per le forme precoci di altri tipi di cancro.

Il Dott. Andy Downes della Facoltà di Ingegneria ha affermato: "La maggior parte dei decessi per cancro si verifica a seguito di una diagnosi in fase avanzata, dopo la comparsa dei sintomi, quindi un futuro test di screening per diversi tipi di cancro potrebbe individuarli in una fase in cui possono essere trattati molto più facilmente. La diagnosi precoce è fondamentale per la sopravvivenza a lungo termine e finalmente disponiamo della tecnologia necessaria. Dobbiamo solo applicarla ad altri tipi di cancro e creare un database, prima che questo possa essere utilizzato come test multi-cancro".

ENGLISH

A new screening method that combines laser analysis with a type of AI is the first of its kind to identify patients in the earliest stage of breast cancer, a study suggests.

The fast, non-invasive technique reveals subtle changes in the bloodstream that occur during the initial phases of the disease, known as stage 1a, which are not detectable with existing tests, the team says.

Edinburgh researchers say their new method could improve early detection and monitoring of the disease and pave the way for a screening test for multiple forms of cancer.

Standard tests for breast cancer can include a physical examination, x-ray or ultrasound scans or analysis of a sample of breast tissue, known as a biopsy. Existing early detection strategies rely upon screening people based on their age or if they are in at-risk groups.

Using the new method, researchers were able to spot breast cancer at the earliest stage by optimising a laser analysis technique – known as Raman spectroscopy – and combining it with machine learning, a form of AI.

Similar approaches have been trialled to screen for other types of cancer, but the earliest they could detect disease was at stage two, the team says.

Standard tests for breast cancer can include a physical examination, x-ray or ultrasound scans or analysis of a sample of breast tissue, known as a biopsy. Existing early detection strategies rely upon screening people based on their age or if they are in at-risk groups.

Using the new method, researchers were able to spot breast cancer at the earliest stage by optimising a laser analysis technique – known as Raman spectroscopy – and combining it with machine learning, a form of AI.

Similar approaches have been trialled to screen for other types of cancer, but the earliest they could detect disease was at stage two, the team says.

In the pilot study involving 12 samples from breast cancer patients and 12 healthy controls, the technique was 98 per cent effective at identifying breast cancer at stage 1a.

The test could also distinguish between each of the four main subtypes of breast cancer with an accuracy of more than 90 per cent, which could enable patients to receive more effective, personalised treatment.

Implementing this as a screening test would help identify more people in the earliest stages of breast cancer and improve the chances of treatment being successful. The team aims to expand the work to involve more participants and include tests for early forms of other cancer types.

Dr Andy Downes from the School of Engineering said: “Most deaths from cancer occur following a late-stage diagnosis after symptoms become apparent, so a future screening test for multiple cancer types could find these at a stage where they can be far more easily treated. Early diagnosis is key to long-term survival, and we finally have the technology required. We just need to apply it to other cancer types and build up a database, before this can be used as a multi-cancer test.”

Da:

 https://www.eurekamagazine.co.uk/content/news/ai-powered-blood-test-spots-earliest-breast-cancer-signs?utm_source=content_recommendation&utm_medium=blueconic