Concluso ieri a Siracusa il Convegno internazionale di oncologia

Si è concluso ieri il convegno internazionale di oncologia a Siracusa sul tema “Il futuro della ricerca sul cancro: l’interazione tra machine learning e modelli computazionali”.Nel corso del convegno si è esplorato come l’intelligenza artificiale e i modelli matematici possano rivoluzionare la comprensione delle dinamiche del cancro.Il dibattito sull’uso di modelli di intelligenza artificiale è stato particolarmente proficuo per l’analisi di “big biological data”, che rappresenta una delle più promettenti e innovative frontiere per la diagnosi precoce, la terapia e, in ultima analisi, la cura delle malattie oncologiche. .«Questa conferenza, che abbiamo fortemente voluto organizzare nella nostra città inoccasione delle celebrazioni correlate al ventennale Unesco – afferma l’assessore allaCultura Fabio Granata – ha offerto un’opportunità unica per gli esperti convenuti a Siracusaper discutere, condividere intuizioni e costruire collaborazioni che guideranno i futuriprogressi nella ricerca sui tumori».Gli incontri, tenutisi al Palazzo Vermexio, hanno, più nel particolare, esplorato l’integrazione dell’intelligenza artificiale (IA), del machine learning (ML) e dei modelli matematici meccanicistici nella sperimentazione clinica, con particolare attenzione alla medicina personalizzata e agli studi oncologici. I partecipanti, provenienti da discipline diverse, hanno discusso “come l’integrazione tra approcci data-driven e modelli teorici possa ottimizzare i trattamenti, migliorare le decisioni cliniche, aumentare l’accuratezza delle previsioni sull’evoluzione della malattia e guidare le scelte terapeutiche”. Uno dei temi principali è stato il potenziale dell’IA nell’analisi di dati biologici ad alta dimensionalità, in particolare attraverso modelli fondamentali (foundation models) pre-addestrati su grandi dataset. Tali modelli, che richiedono un numero limitato di “datietichettati”, possono essere adattati a compiti specifici come l’analisi delle immagini dirisonanza magnetica o la previsione della diffusione tumorale. È stata evidenziatal’importanza di integrare vincoli biologici nei modelli e di combinare dati clinici provenientida immagini, biopsie e analisi del sangue, al fine di aumentarne l’affidabilità.Ampio spazio è stato dedicato anche all’impiego dell’IA nella progettazione degli studiclinici. «Tra i casi di successo – afferma Sergio Branciamore, PhD del Beckman ResearchInstitute, City of Hope, e organizzatore in sinergia con l’assessorato alla Cultura del convegno internazionale di Siracusa – sono stati presentati modelli capaci di prevedere l’infiltrazione tumorale, supportando così la pianificazione dei trattamenti radioterapici. Si èdiscusso inoltre delle opportunità derivanti dall’aumento della disponibilità di dati, adesempio, quelli raccolti da dispositivi indossabili per il monitoraggio continuo di segnalifisiologici. Tali applicazioni evidenziano la necessità di integrare l’IA nei flussi clinici reali e di valutarne l’efficacia in contesti applicativi concreti».

Un altro tema centrale è stato il carattere dinamico dei dati clinici. I partecipanti hanno sottolineato l’importanza di modellare i processi biologici che evolvono nel tempo e l’esigenza di adattare i modelli IA a dati longitudinali. Sono stati inoltre discussi i problemi legati alla qualità dei dati — spesso incompleti, rumorosi o disorganizzati — e la necessità di tecniche di pre-processing e astrazione per ottenere risultati clinicamente significativi. Proprio il tema della condivisione dei dati e del controllo da parte dei pazienti ha suscitato ampio interesse. Casi studio, come i registri sanitari nazionali danesi e le coorti longitudinali californiane. dimostrano il potenziale delle infrastrutture dati ben organizzate. Tuttavia, sono emerse anche preoccupazioni etiche e richieste di soluzioni che garantiscano sicurezza e trasparenza, pur favorendo la collaborazione tra attori diversi.
Il dibattito si è esteso anche a questioni epistemologiche, come l’equilibrio tra approccio deduttivo e approccio induttivo nell’IA. Alcuni relatori hanno ribadito l’importanza “di integrare assiomi e vincoli teorici nei modelli”, mentre altri hanno enfatizzato la capacità predittiva dell’induzione basata sui dati. È emersa una posizione condivisa sull’importanza di bilanciare questi due paradigmi, in particolare nell’ambito della medicina.
Infine, si è riflettuto sulle difficoltà di astrazione nei sistemi complessi e sulle implicazioni filosofiche connesse alla probabilità, al libero arbitrio e alla responsabilità clinica in scenari caratterizzati da incertezza.
La conclusione fondamentale del convegno è stata chiara: l’intelligenza artificiale e le tecniche di machine learning rappresentano il futuro della ricerca oncologica e della pratica clinica. Tuttavia, non possono essere utilizzate in modo isolato: sarà cruciale, nell’immediato futuro, è stato rilevato, l’integrazione con modelli meccanicistici per guidare e potenziare l’efficacia degli strumenti di IA nella medicina di precisione.
Questi i nomi degli esperti provenienti da varie parti del mondo che hanno partecipato al convegno ospitato nel salone Borsellino di Palazzo Vermexio: Aleksandra Karolak, PhD Moffitt Cancer Centre; Alvaro Kohn-Luque, PhD University of Oslo; Andrei Rodin, PhD City of Hope; Angela Bentivegna, PhD Università Milano-Bicocca; Babgen Manookian, PhD Beckman Research Institute City of Hope; Cristian Tomasetti, MD, PhD Beckman Research Institute, City of Hope; David Basanta Gutierrez, PhD Moffitt Cancer Centre; Farnoush Farahpour, PhD University of Duisburg-Essen; Guillermo Lorenzo, PhD University of La Coruña, Spain; Juan Soler, PhD University of Granada; Konstancja Urbaniak, PhD Beckman Research Institute, City of Hope; Lara Schmalenstroer University of Duisburg-Essen; Martina Conte, PhD Politecnico Università di Torino; Morten Anderson, PhD Roskilde University; Russell Rockne, PhD Beckman Research Institute, City of Hope;
Sandy Anderson, PhD Moffitt Cancer Centre; Sarah Brüningk, PhD Università di Berna; Sebastian Benzekry, PhD Center for Research on Cancer of Marseille; Tommaso Lorenzi, PhD Politecnico di Torino.