AGI - Sviluppare un modello di Intelligenza artificiale in grado di prevedere lo sviluppo degli organoidi in base all'analisi delle fasi iniziali. A questo obiettivo è stato orientato uno studio, pubblicato sulla rivista Communications Biology, condotto dagli scienziati della Kyushu University e della Nagoya University in Giappone e dell'Università di Kyushu. Il team, guidato da Hidetaka Suga, ha progettato un sistema di deep learning che utilizza l'Intelligenza artificiale per prevedere come si svilupperanno gli organoidi in fase iniziale.
Gli organoidi, spiegano gli esperti, sono tessuti in miniatura coltivati in laboratorio, che imitano la struttura e la funzione delle controparti biologiche. Questi approcci stanno rivoluzionando la ricerca biomedica, promettendo numerose innovazioni in ambito di trapianti, facilitando la modellazione di malattie come l'Alzheimer o il cancro e permettendo lo studio mirato e approfondito degli effetti dei farmaci.
Nell'ambito dell'indagine, i ricercatori hanno addestrato il sistema attraverso 1200 immagini in campo chiaro in diverse categorie di qualità. Altre 300 sono state utilizzate per testare il modello. Gli scienziati si sono concentrati sulla previsione dello sviluppo di organoidi ipotalamo-ipofisari, che imitano le funzioni della ghiandola pituitaria, coinvolta nella produzione di ormone adrenocorticotropo (ACTH).
Questa sostanza, spiegano gli studiosi, è fondamentale per la regolazione dello stress, del metabolismo, della pressione sanguigna e dell'infiammazione. La carenza dell'ormone può portare ad affaticamento, anoressia e altri problemi. Derivati da cellule staminali sospese in liquido, gli organoidi sono sensibili a piccoli cambiamenti ambientali, con conseguente variabilità nel loro sviluppo e nella qualità finale.
Gli autori hanno scoperto che l'ampia espressione di una proteina chiamata RAX in una fase iniziale dello sviluppo può essere considerata come un segno di buona progressione. "Possiamo tracciare lo sviluppo - afferma Suga - modificare geneticamente gli organoidi per rendere fluorescente la proteina RAX. Tuttavia, questa procedura non è percorribile per gli organoidi destinati all'uso clinico, come il trapianto".
"I modelli di deep learning - sottolinea Hirohiko Niioka, altra firma dell'articolo - imitano il modo in cui il cervello umano elabora le informazioni, analizzando e categorizzando grandi quantità di dati e individuando schemi e pattern".
Il modello di intelligenza artificiale è stato in grado di classificare le immagini degli organoidi con una precisione del 70 per cento. Il tasso di successo dei ricercatori coinvolti è stato invece inferiore al 60 per cento. "Nei prossimi step - concludono gli autori - speriamo di migliorare l'accuratezza del modello di deep learning, addestrandolo su un dataset più ampio. Anche al livello attuale, questo approccio potrebbe avere profonde implicazioni per la ricerca sugli organoidi. Possiamo selezionare facilmente le strutture di alta qualità e ridurre notevolmente tempi e costi".