Identificato un approccio di intelligenza artificiale per la diagnosi di malattie immunologiche

Roma – Un nuovo framework di apprendimento automatico, chiamato Mal-ID (MAchine Learning for Immunological Diagnosis), potrebbe aiutare a decifrare la cronologia delle infezioni e delle malattie pregresse, registrate del sistema immunitario del singolo individuo. È quando sostiene uno studio della Stanford University (Stati Uniti), pubblicato su Science, qualificando l’Intelligenza Artificiale, come un potenziale e potente strumento di accuratezza diagnostica per disturbi autoimmuni, infezioni virali e risposte ai vaccini. I tradizionali metodi di diagnosi clinica per le malattie autoimmuni o altre patologie immunologiche si avvalgono di norma di una combinazione di test: esame fisico, anamnesi del paziente e vari esami di laboratorio per valutare anomalie cellulari o molecolari. Un lungo processo spesso complicato da diagnosi iniziali errate e sistemi non sempre consolidati. Questi approcci ricorrono a uso limitato dei dati dei recettori delle cellule B (BCR) e dei recettori delle cellule T (TCR) del sistema immunitario adattativo individuale del paziente, invece cruciali. Infatti, in risposta a patogeni, vaccini e altri stimoli antigenici, i recettori BCR e TCR subiscono cambiamenti riferibili all’espansione clonale, alla mutazione somatica e alla riorganizzazione selettiva delle popolazioni di cellule immunitarie. Pertanto, il sequenziamento di BCR e TCR potrebbe rappresentare uno strumento diagnostico completo, consentendo potenzialmente il rilevamento simultaneo di malattie infettive, autoimmuni e immunomediate in un singolo test. Tuttavia, la misura in cui il solo sequenziamento del repertorio dei recettori immunitari possa classificare in modo affidabile e ampio le malattie rimane incerta. Pertanto, i ricercatori hanno sviluppato Mal-ID, un framework di apprendimento automatico a 3 modelli che analizza i set di dati dei recettori immunitari per identificare le firme di malattie infettive e immunologiche e le risposte ai vaccini nei pazienti. Mal-ID è sato addestrato sui dati BCR e TCR raccolti sistematicamente da 593 individui, inclusi pazienti con COVID-19, HIV e diabete di tipo 1, nonché destinatari del vaccino antinfluenzale e controlli sani. Secondo i risultati, Mal-ID avrebbe identificato in maniera corretta e efficiente sei stati di malattia distinti in 550 campioni BCR e TCR accoppiati con un unteggio specifico, indicando un’accuratezza di classificazione molto elevata. Ciò suggerirebbe la capacità del modello di selezionare i casi positivi in maniera superiore rispetto quelli negativi in relazione a tutti i tipi di malattie. Sebbene il modello abbia differenziato con sucecsso COVID-19, HIV, lupus, T1D e individui sani, dimostrando l’elevato potenziale diagnostico, l’approccio deve ancora essere perfezionato, utilizzando informazioni cliniche, prima di un utilizzo sicuro nella pratica clinica.(30Science.com)