Dalle semplici mutazioni alla mappa del tumore: genomica spaziale e intelligenza artificiale stanno cambiando il modo di osservare il cancro e potrebbero aiutare a individuare terapie sempre più personalizzate
La medicina di precisione sta entrando in una nuova fase. Per comprendere un tumore non basta più sapere quali mutazioni genetiche contiene. Diventa sempre più importante conoscere dove si trovano le diverse cellule, quali geni stanno utilizzando e, soprattutto, come comunicano tra loro.
È qui che entra in gioco la genomica spaziale, una delle aree più promettenti della ricerca oncologica contemporanea. Associata all’intelligenza artificiale, questa tecnologia permette di trasformare un campione tumorale in una sorta di mappa molecolare ad altissima risoluzione, nella quale ogni popolazione cellulare può essere studiata mantenendo la propria posizione all’interno del tessuto.
L’obiettivo è ambizioso: comprendere perché pazienti apparentemente affetti dallo stesso tumore possano rispondere in maniera molto diversa alla medesima terapia.
Che cos’è la genomica spaziale
Per comprenderla possiamo immaginare una città. Conoscere tutti gli abitanti ci fornisce molte informazioni, ma non ci dice dove vivono, chi hanno come vicino, dove lavorano e con chi interagiscono.
Qualcosa di simile accade studiando un tumore.
Le tradizionali analisi molecolari possono identificare geni, mutazioni e molecole presenti in un campione. Le tecnologie spaziali aggiungono un’informazione fondamentale: la loro posizione nel tessuto.
In particolare, la trascrittomica spaziale consente di osservare l’espressione dei geni conservando le coordinate delle cellule. Il ricercatore può così ricostruire la disposizione delle cellule tumorali, immunitarie e stromali e analizzare il microambiente che circonda il tumore.
È un cambiamento importante: il cancro non viene più considerato semplicemente come un insieme di cellule malate, ma come un vero ecosistema biologico.
Perché sapere “dove” può cambiare le cure
Due tumori possono presentare caratteristiche genetiche simili e tuttavia comportarsi diversamente.
Una delle spiegazioni potrebbe trovarsi proprio nell’organizzazione del loro microambiente.
Le cellule immunitarie, ad esempio, possono essere presenti in grande quantità ma rimanere confinate ai margini della massa tumorale. In un altro paziente potrebbero invece riuscire a penetrare profondamente nel tumore.
La semplice identificazione di queste cellule non racconta quindi tutta la storia. Sapere dove si trovano può diventare altrettanto importante quanto sapere che esistono.
Lo stesso principio riguarda vasi sanguigni, fibroblasti, cellule infiammatorie e numerosi segnali molecolari attraverso i quali il tumore modifica l’ambiente circostante.
Quando entra in gioco l’intelligenza artificiale
La quantità di informazioni prodotta dalle tecnologie spaziali può essere enorme.
Un singolo tessuto può contenere centinaia di migliaia di cellule e generare milioni di dati relativi a geni, proteine, caratteristiche morfologiche e rapporti spaziali.
Analizzare manualmente questa complessità sarebbe estremamente difficile.
Gli algoritmi di machine learning e deep learning possono invece cercare configurazioni ricorrenti all’interno di queste mappe: riconoscere determinate popolazioni cellulari, misurarne le distanze, identificare strutture del microambiente tumorale e mettere queste informazioni in relazione con l’evoluzione clinica del paziente.
È proprio dall’incontro tra patologia digitale, spatial biology e AI che potrebbero emergere nuovi biomarcatori.
Prevedere chi risponderà a una terapia
Questa è probabilmente una delle prospettive più interessanti.
Oggi alcuni pazienti rispondono molto bene all’immunoterapia o alle terapie molecolari mirate, mentre altri ottengono benefici limitati. Lo stesso problema riguarda nuove classi di farmaci oncologici, come gli anticorpi farmaco-coniugati, progettati per trasportare una sostanza antitumorale verso cellule che esprimono specifici bersagli.
La ricerca sta cercando di capire se le caratteristiche spaziali del tumore possano contribuire a prevedere queste differenze.
L’idea è passare progressivamente dalla domanda:
“Quale mutazione presenta questo tumore?”
a una domanda molto più complessa:
“Come è organizzato biologicamente questo tumore e quale trattamento ha maggiori probabilità di funzionare in questo specifico paziente?”
Una sorta di Google Maps del tumore
La metafora della mappa aiuta a comprendere la portata del cambiamento.
La genomica tradizionale può fornirci una sorta di elenco degli elementi presenti. La biologia spaziale cerca invece di costruire la cartografia del tumore.
L’intelligenza artificiale può successivamente percorrere virtualmente questa cartografia, individuando configurazioni troppo complesse per essere riconosciute facilmente dall’occhio umano.
Potremmo così scoprire che non è soltanto la quantità di un determinato biomarcatore a essere significativa, ma anche la posizione delle cellule che lo esprimono e la loro relazione con le cellule circostanti.
Verso il “gemello digitale” del tumore
Guardando più avanti, queste tecnologie potrebbero contribuire alla costruzione di rappresentazioni digitali sempre più complete della malattia.
Immagini istologiche, sequenziamento genetico, espressione dell’RNA, proteine, informazioni spaziali e dati clinici potrebbero essere integrati in un unico modello computazionale.
Non significa che oggi sia possibile creare un gemello digitale perfetto del tumore di ogni paziente. Ma la direzione della ricerca è quella di ottenere modelli multimodali capaci di descrivere la malattia con una precisione molto superiore rispetto al passato.
Ed è qui che l’intelligenza artificiale può diventare particolarmente importante: non sostituendo oncologi, patologi o biologi molecolari, ma aiutandoli a interpretare quantità di informazioni che stanno crescendo a una velocità impressionante.
Dalla ricerca alla pratica clinica
Occorre però distinguere le prospettive scientifiche dalla pratica clinica corrente.
Molte applicazioni della genomica spaziale e dell’AI sono ancora oggetto di ricerca e validazione. Prima che un biomarcatore possa guidare una decisione terapeutica deve dimostrare di essere riproducibile, clinicamente utile e validato su popolazioni sufficientemente ampie e indipendenti.
Servono inoltre standard comuni per raccolta dei campioni, analisi dei dati e funzionamento degli algoritmi.
La sfida, dunque, non è soltanto tecnologica.
Il tumore non è più soltanto una mutazione
La grande trasformazione culturale introdotta dalla spatial biology potrebbe essere proprio questa.
Per anni la medicina di precisione ha cercato soprattutto le alterazioni molecolari da colpire. Quell’approccio rimane fondamentale, ma oggi sappiamo che la posizione e le relazioni tra le cellule possono fornire informazioni altrettanto preziose.
Il tumore appare sempre più come una comunità biologica complessa che cambia nel tempo, interagisce con il sistema immunitario e modifica l’ambiente circostante.
Comprendere questa geografia potrebbe permettere di classificare meglio i pazienti, individuare nuovi bersagli terapeutici e, soprattutto, capire perché un trattamento funziona in una persona e non in un’altra.
La medicina di precisione del futuro potrebbe quindi non limitarsi a leggere il DNA del tumore. Potrebbe imparare anche a leggerne la mappa.
