{"id":1651,"date":"2021-03-23T09:03:06","date_gmt":"2021-03-23T08:03:06","guid":{"rendered":"https:\/\/www.ippocrateas.eu\/?p=1651"},"modified":"2023-07-04T13:06:33","modified_gmt":"2023-07-04T11:06:33","slug":"machine-learning-e-deep-learning-nella-lotta-contro-il-cancro","status":"publish","type":"post","link":"https:\/\/www.ippocrateas.eu\/it\/machine-learning-e-deep-learning-nella-lotta-contro-il-cancro\/","title":{"rendered":"Machine Learning in Medicina: la Lotta contro il Cancro"},"content":{"rendered":"\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Il machine learning in medicina sta cambiando molte terapie, fra cui quella contro il cancro. In che modo ci\u00f2 avviene?<\/p>

Il cancro \u00e8 definito come una malattia eterogenea composta da molti sottotipi diversi. La diagnosi precoce e la prognosi del tipo di cancro sono diventate un must nella ricerca sul cancro, poich\u00e9 facilitano la successiva gestione clinica dei pazienti.<\/p>

L’importanza di classificare i pazienti con cancro in cluster ad alto o basso rischio ha portato molti gruppi di ricerca, dal campo biomedico e a quello bioinformatico, a studiare l’applicazione di metodi di apprendimento automatizzati. Appunto, il machine learning (ML).<\/p>

Pertanto, questa tecnologia \u00e8 stata utilizzata per modellare la progressione e il trattamento della malattia. Inoltre, le capacit\u00e0 delle tecniche di machine learning di rilevare delle caratteristiche chiave da set di dati complessi rivela quanto sia rilevante il loro utilizzo in questo campo.<\/p>

Anche se \u00e8 evidente che l’uso dei metodi di ML pu\u00f2 migliorare la nostra comprensione della progressione delle malattie gravi, \u00e8 necessario un adeguato livello di convalida affinch\u00e9 questi metodi siano considerati utili nella pratica clinica quotidiana.<\/p>

In questo articolo del JOurnal parleremo di come il machine learning applicato alla medicina pu\u00f2 dare un contributo essenziale nella raccolta accurata di dati destinati alla diagnosi nel settore oncologico.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t

Machine learning nella diagnosi oncologica<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

ll machine learning (ML) \u00e8 l\u2019insegnamento di azioni e attivit\u00e0 ai computer e a robot che ha come obiettivo l\u2019apprendimento automatico. Si entra in questo modo in possesso di una grande mole di dati grazie ai quali il settore sanitario riesce ad arrivare a risultati migliori in termini di prestazioni ed efficienza.<\/p>

Nell\u2019ultimo decennio la ricerca sul cancro ha compiuto enormi step ampliando i propri orizzonti. Gli scienziati hanno adottato nel tempo diversi metodi, come lo screening nella fase iniziale, al fine di trovare i diversi tipi di cancro prima che causino sintomi letali.\u00a0<\/p>

Inoltre, hanno sviluppato nuove strategie per la previsione precoce di output relativi al trattamento del cancro. I risultati derivanti dal machine learning sono stati resi disponibili per permettere alla comunit\u00e0 di ricerca medica di studiarne gli output e individuare nuove soluzioni.<\/p>

In ogni caso, la previsione accurata dell’esito di una malattia rimane sicuramente uno dei compiti pi\u00f9 impegnativi per i medici. Questo compito \u00e8 oggi facilitato usufruendo dei risultati derivanti dai metodi di ML.\u00a0<\/p>

Queste tecniche possono identificare le correlazioni pi\u00f9 significative, estraendo informazioni da insiemi di dati complessi, che permettono di prevedere pi\u00f9 efficacemente gli esiti futuri dei tipi di cancro.<\/p>

Diversi studi sono stati volti alla comprensione di nuove metodologie diverse da quelle adottate precedentemente, basate su strategie che potrebbero consentire la diagnosi precoce del cancro e la sua prognosi.<\/p>

In particolare, questi studi descrivono approcci relativi alla profilazione dei miRNA<\/em> circolanti che si sono dimostrati una classe promettente per la rilevazione e l’identificazione del cancro.<\/p>

Tuttavia, questi metodi al momento soffrono di bassa efficacia nello screening delle fasi iniziali e per la difficolt\u00e0 nel distinguere i tumori benigni da quelli maligni.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t

Machine learning e deep learning nella lotta contro il cancro<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Le tecnologie AI comprendono diversi metodi di analisi dei dati. Da una parte il machine learning utilizza dati che sono stati preprocessati e fa previsioni in base a ci\u00f2 che l’AI impara. Il deep learning, al contrario, pu\u00f2 identificare modelli complessi direttamente dai dati grezzi ed \u00e8 utilizzato per individuare i nuclei delle cellule in enormi serie di dati.<\/p>

Il deep learning ha le sue origini negli anni ’40, quando gli scienziati costruirono un modello di computer che era organizzato in strati interconnessi, come i neuroni nel cervello umano. Decenni dopo i ricercatori hanno insegnato a queste ‘reti neurali’ a riconoscere forme, parole e numeri, ma solo pochi anni fa il deep learning ha iniziato ad espandersi anche nel settore medico e biologico.<\/p>

Il deep learning \u00e8 stato applicato a molte aree dell’assistenza sanitaria, tra cui la diagnosi per immagini, la previsione del ricovero in ospedale, la progettazione di farmaci, la classificazione del cancro e delle cellule stromali, l’assistenza medica, ecc.\u00a0<\/p>

La prognosi del cancro consiste nello stimare il destino del cancro, le probabilit\u00e0 di recidiva e progressione del cancro e nel fornire una stima della sopravvivenza ai pazienti. Per questo l’accuratezza della previsione della prognosi del cancro \u00e8 di grande beneficio per la gestione clinica dei pazienti che ne sono affetti.<\/p>

Il miglioramento della ricerca biomedica traslazionale e l’applicazione di analisi statistiche avanzate e metodi di apprendimento automatico, grazie al machine learning e al deep learning, sono le forze trainanti per migliorare la previsione della prognosi oncologica.\u00a0<\/p>

La riduzione dei costi nel sequenziamento di prossima generazione su larga scala e la disponibilit\u00e0 di tali dati attraverso i database open source (ad esempio, i database TCGA<\/a> e GEO<\/a>) offrono l’opportunit\u00e0 di costruire modelli pi\u00f9 potenti e accurati.<\/p>

Il deep learning richiede meno ingegneria dei dati e raggiunge una previsione accurata quando si lavora con grandi quantit\u00e0 di dati.\u00a0<\/p>

Il deep learning nella prognosi del cancro ha dimostrato di essere equivalente o migliore degli approcci attuali, come ad esempio il Cox-PH<\/a>, un modello di regressione comunemente usato statisticamente nella ricerca medica per indagare l’associazione tra il tempo di sopravvivenza dei pazienti e una o pi\u00f9 variabili predittive.\u00a0<\/p>

Con l’esplosione dei dati multiomici, compresi i dati genomici, i dati trascrittomici e le informazioni cliniche negli studi sul cancro, il deep learning sta portando ad un miglioramento esponenziale nella prognosi del cancro.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t

Key takeaways<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

L\u2019intelligenza artificiale e l\u2019e-health<\/strong> hanno fatto enormi progressi nel settore medico. L\u2019utilizzo di automazioni sempre pi\u00f9 intelligenti, che permettono l\u2019acquisizione di informazioni cruciali dalla lavorazione di una vasta quantit\u00e0 di dati, \u00e8 segno che la digitalizzazione nell\u2019ambito medico-sanitario sta dando i suoi frutti. \u00a0<\/p>

L\u2019IA \u00e8 una grande opportunit\u00e0, ma perch\u00e9 tutto ci\u00f2 possa funzionare \u00e8 necessario avviare un\u2019importante piano di digital transformation<\/strong> nell\u2019ambito della sanit\u00e0 pubblica.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"

Il machine learning in medicina sta cambiando molte terapie, fra cui quella contro il cancro. In che modo ci\u00f2 avviene? Il cancro \u00e8 definito come una malattia eterogenea composta da molti sottotipi diversi. La diagnosi precoce e la prognosi del tipo di cancro sono diventate un must nella ricerca sul cancro, poich\u00e9 facilitano la successiva […]<\/p>\n","protected":false},"author":8,"featured_media":3565,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"default","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"default","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[1],"tags":[],"class_list":["post-1651","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-non-categorizzato"],"_links":{"self":[{"href":"https:\/\/www.ippocrateas.eu\/it\/wp-json\/wp\/v2\/posts\/1651","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.ippocrateas.eu\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.ippocrateas.eu\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.ippocrateas.eu\/it\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/www.ippocrateas.eu\/it\/wp-json\/wp\/v2\/comments?post=1651"}],"version-history":[{"count":20,"href":"https:\/\/www.ippocrateas.eu\/it\/wp-json\/wp\/v2\/posts\/1651\/revisions"}],"predecessor-version":[{"id":3567,"href":"https:\/\/www.ippocrateas.eu\/it\/wp-json\/wp\/v2\/posts\/1651\/revisions\/3567"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.ippocrateas.eu\/it\/wp-json\/wp\/v2\/media\/3565"}],"wp:attachment":[{"href":"https:\/\/www.ippocrateas.eu\/it\/wp-json\/wp\/v2\/media?parent=1651"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.ippocrateas.eu\/it\/wp-json\/wp\/v2\/categories?post=1651"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.ippocrateas.eu\/it\/wp-json\/wp\/v2\/tags?post=1651"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}