Immagina di guardare una città da un'alta torre. Da questa altezza, puoi vedere la forma delle strade, la densità degli edifici e come sono organizzati i quartieri. Puoi distinguere un centro cittadino frenetico da un sobborgo tranquillo solo guardando la disposizione. Ora, immagina che ogni edificio in questa città sia in realtà una cellula vivente, e le strade siano i tessuti del corpo umano. Per oltre un secolo, i medici sono saliti su questa torre, usando i microscopi per osservare queste "città" (tessuti) per diagnosticare malattie come il cancro. Lo chiamano istopatologia. È come leggere la mappa di una città per capire cosa sta succedendo all'interno.

Ma ecco il colpo di scena: la disposizione della città non è casuale. È costruita secondo le regole invisibili dei "progetti" all'interno di ogni edificio — il DNA. Quando il DNA viene danneggiato o mutato, cambia il modo in cui gli edifici vengono costruiti, come comunicano tra loro e come cresce il quartiere. Per molto tempo, gli scienziati hanno pensato che fosse necessario entrare in ogni singolo edificio per leggere quei progetti (usando il costoso sequenziamento del DNA) per sapere cosa non andava. E se la forma stessa della città potesse dirvi tutto sui progetti? E se poteste guardare la mappa e sapere esattamente quali geni sono rotti, senza mai mettere piede dentro un singolo edificio? Questa è la grande domanda che questo articolo affronta: la "forma" visiva di un tumore può rivelare i suoi segreti genetici?

Il documento: "Fuji" – Il traduttore tra forma e codice

In questo studio, un team di ricercatori presenta un nuovo modello di intelligenza artificiale che chiamano Fuji. Pensa a Fuji non solo come a un riconoscitore di immagini, ma come a un traduttore super intelligente che impara a parlare due lingue contemporaneamente: la lingua delle immagini (l'aspetto di un tumore sotto il microscopio) e la lingua del codice (le mutazioni del DNA e i messaggi dell'RNA all'interno delle cellule).

Di solito, i modelli di IA addestrati su immagini mediche sono come turisti che imparano solo a riconoscere i monumenti. Possono dire: "Quello sembra un polmone" o "Quello sembra un tumore", ma non capiscono perché il tumore abbia quell'aspetto. Trattano l'immagine solo come una bella foto. Fuji è diverso. I ricercatori lo hanno istruito a guardare l'immagine e chiedere immediatamente: "Quale codice genetico ha causato questa specifica forma?"

Per farlo, non si sono limitati a mostrare a Fuji delle immagini. Lo hanno nutrito con una massiccia libreria di 60.546 immagini a intero vetrino (enormi foto digitali ad alta risoluzione di campioni di tessuto) e hanno accoppiato ogni singola immagine con i suoi dati genetici corrispondenti: 45.675 profili di RNA (che dicono quali geni sono attivi) e 22.683 sequenze dell'intero genoma (il codice completo del DNA). È come dare all'IA un milione di libri di testo dove ogni pagina ha una foto di una città a sinistra e l'esatto progetto di costruzione di quella città a destra.

Come Fuji ha imparato a "vedere" i geni

I ricercatori hanno utilizzato un metodo di addestramento intelligente in due fasi, come uno chef esperto che insegna a un apprendista.

1. Fase Uno (Il test del gusto): Prima, hanno insegnato a Fuji a riconoscere il "gusto" fondamentale del tessuto. Hanno usato altri due potenti modelli di IA (GigaPath e CHIEF) come "insegnanti". Fuji ha imparato a guardare il tessuto e a far corrispondere i pattern visivi, anche se il tessuto era stato preparato in modi diversi: alcuni erano conservati in sostanze chimiche (FFPE, lo standard negli ospedali) e altri erano congelati freschi (fresh-frozen, usati per la ricerca). Fuji ha imparato a ignorare le differenze nel modo in cui il tessuto era stato conservato per concentrarsi solo sulla vera forma delle cellule. Questo è fondamentale perché significa che Fuji può lavorare con i vetrini che i medici usano ogni giorno.
2. Fase Due (L'immersione profonda): Successivamente, hanno sfidato Fuji a connettere la forma al codice. Gli hanno dato tre compiti contemporaneamente:
   • Ricostruire l'immagine: Se nascondi una parte della foto, Fuji riesce a indovinare com'è fatta? Questo lo mantiene bravo a vedere i dettagli.
   • Ricostruire l'RNA: Fuji riesce a guardare la forma e indovinare cosa stanno dicendo i messaggi dell'RNA? Questo collega l'aspetto visivo all'attività molecolare.
   • Decodificare le mutazioni: Fuji riesce a guardare la forma e indovinare quali specifici "errori di battitura" genetici (mutazioni) sono presenti? Questa è la grande magia.

Cosa ha scoperto Fuji

Una volta addestrato, Fuji ha dimostrato che la "forma" di un tumore è effettivamente un riflesso diretto del suo codice genetico. I ricercatori hanno scoperto che Fuji poteva prevedere stati genetici complessi con un'accuratezza incredibile, superando spesso tutti i modelli di IA precedenti.

• I detective dell' "instabilità": Il team ha testato se Fuji potesse individuare quando il DNA di un tumore stava cadendo a pezzi. Hanno cercato quattro tipi specifici di caos genetico: Instabilità dei microsatelliti (MSI), Instabilità cromosomica (CIN), Deficit di ricombinazione omologa (HRD) e Duplicazione dell'intero genoma (WGD). Fuji ha ottenuto l'accuratezza (AUC) in questi casi con valori fino a 0,98. Per dare un termine di paragone, se un esperto umano fosse sicuro all'80%, Fuji lo era al 98%. Poteva distinguere tra un genoma stabile e uno caotico semplicemente guardando il vetrino del tessuto.
• Il DNA "extra": Una delle scoperte più entusiasmanti riguarda il DNA extracromosomico (ecDNA). Questo è un pezzo di DNA circolare strano che fluttua al di fuori dei normali cromosomi e fa crescere il cancro velocemente. Di solito, servono test costosi e complessi per trovarlo. Fuji, tuttavia, ha imparato a individuare l'impronta unica che l'ecDNA lascia sulla struttura del tessuto. Nei pazienti con glioma di basso grado e carcinoma endometriale, la presenza di questi cerchi di DNA invisibili, predetti da Fuji partendo dal solo vetrino, era un forte segno che il paziente avrebbe avuto difficoltà nella sopravvivenza.
• Le firme del "fumo" e della "riparazione": I ricercatori si sono anche chiesti: Fuji può dire se un tumore è stato causato dal fumo o da un sistema di riparazione del DNA guasto? Hanno scoperto che le mutazioni legate al tabacco e i difetti di riparazione del mismatch lasciano segni distinti e localizzati nell'architettura del tessuto. È come se il fumo lasciasse un tipo specifico di fuliggine sulle pareti della città, e Fuji può indicare esattamente dove si trova quella fuliggine. Questi pattern erano così chiari che Fuji è riuscito a trovarli in gruppi di pazienti completamente diversi, provando che il pattern è reale e non solo un caso.
• Prevedere il futuro: Fuji non si è limitato a guardare il passato; ha guardato il futuro. Il modello poteva prevedere il Carico Mutazionale Tumorale (TMB) (quante mutazioni ha un tumore) e il carico di neoantigeni (quanto il tumore è visibile al sistema immunitario). Ancora più importante, in un piccolo gruppo di pazienti con tumore al polmone, le previsioni di Fuji su chi avrebbe risposto all'immunoterapia sono state migliori rispetto ad altri modelli. Ciò ha suggerito che la forma del tumore contiene indizi su quanto il sistema immunitario possa combatterlo.

Perché questo è importante

La cosa più importante di Fuji è che funziona sui vetrini che i medici hanno già. La maggior parte dei pazienti oncologici al mondo riceve un vetrino standard (FFPE) che è conservato con sostanze chimiche. I modelli di IA precedenti faticavano a connettere questi vetrini standard ai dati genetici, perché tali dati provengono solitamente da campioni congelati freschi. Fuji ha risolto questo problema imparando a ignorare l'"odore chimico" del vetrino per concentrarsi sulla "disposizione della città".

Gli autori suggeriscono che questo potrebbe cambiare il modo in cui il cancro viene trattato. Inveve di aspettare giorni o settimane per costosi test genetici, i medici potrebbero potenzialmente usare Fuji per ottenere un "rapporto genomico" da un normale vetrino al microscopio in pochi minuti. Potrebbe aiutare a decidere quali pazienti hanno bisogno di farmaci mirati, quali potrebbero rispondere all'immunoterapia e quali sono ad alto rischio, il tutto senza dover prima sequenziare il DNA.

Naturalmente, l'articolo avverte che si tratta di una "prova di concetto". Sebbene i risultati siano forti e coerenti in diversi dataset, le previsioni sull'immunoterapia si basavano su un piccolo gruppo di pazienti e devono essere testate in studi clinici più ampi e reali prima che i medici possano affidarvisi. Ma l'idea centrale — che la forma visiva di un tumore sia una mappa leggibile del suo codice genetico — sembra essere una scoperta solida. Fuji ci ha dimostrato che, se guardiamo abbastanza da vicino la città, possiamo leggere i suoi progetti.