Fisica e IA in oncologia: la rivoluzione della ricerca sul cancro

L’integrazione tra discipline scientifiche contro il cancro

La medicina, in particolare l’oncologia, ha sempre più bisogno della matematica, della fisica e dell’informatica. Discipline che si fondono, ad esempio, nello sviluppo dell’intelligenza artificiale, indispensabile per trattare enormi volumi di casi e di dati e abbreviare i percorsi della ricerca nell’oncologia.

A Candiolo queste competenze sono affidate a un fisico teorico che, dopo un lungo percorso professionale e geografico, studia ora il modo in cui le cellule del cancro vanno fuori controllo.

I tre assi della fisica applicata alla ricerca oncologica

Microscopia avanzata e imaging per la diagnosi dei tumori

“Il mio contributo si articola sostanzialmente su tre diversi assi. Il primo asse è quello un po’ più classico, quindi la fisica della luce. Nella ricerca sul cancro, come in altri settori della scienza della vita, si usano tanto i microscopi. Io sono un esperto di microscopia e di imaging, si chiama in inglese.“

Modellizzazione matematica del comportamento delle cellule tumorali

“Il secondo asse è un asse relativo invece ai modelli. I fisici sono abituati a fare modelli matematici della realtà e il cancro, come altri fenomeni, fa parte della realtà e ci occupiamo di modellizzarlo.“

Gestione e analisi dei Big Data genomici

“Il terzo asse invece riguarda la gestione dei dati. Le moderne tecnologie, in particolare di genomica, consentono di avere accesso a un’enorme quantità di dati e questo richiede delle tecniche di analisi abbastanza complesse che i fisici normalmente per formazione sanno usare e quindi questa è il terzo asset sul quale ruota il mio lavoro.“

Il ruolo strategico dell’Intelligenza Artificiale nell’oncologia

Machine Learning e apprendimento dai dati oncologici

“Ci sono approcci classici dell’intelligenza artificiale che consentono di apprendere dai dati. Quindi i dati sono l’oggetto da cui la macchina ci aiuta a imparare e noi dobbiamo essere capaci di far imparare la macchina a imparare dai dati. Questi dati sono difficili da guardare con tecniche tradizionali, quindi richiedono appunto l’utilizzo di queste tecniche di apprendimento o machine learning dai dati e l’attività di analisi di dati è sostanzialmente basata su tecniche di questo tipo oggi e questo contributo ovviamente aumenterà.“

L’integrazione tra expertise umana e IA

“Sì, con delle sfide non banali per la ricerca, perché chiaramente lo sforzo e la cosa critica è quella di integrare il sapere, il parere dell’esperto, si chiama in gergo, con quello che la macchina sa fare. Quindi per ottenere i risultati migliori non dobbiamo fidarci troppo della macchina, ma dobbiamo sapere integrare questo sapere di decenni che la ricerca ci ha aiutato a costruire con ciò che la macchina sa fare.“

Campi emergenti: dove l’AI diventerà strategica in oncologia

Imaging patologico intelligente: il futuro della diagnostica

“L’imaging è sicuramente uno dei campi dove questo sta prendendo piede sempre di più e dove appunto l’expertise, la capacità della patologia nel guardare alle immagini verrà affiancata dal potere del computer, della computazione.“

Integrazione omica e analisi multimodale dei dati

“Sicuramente l’altro asse grosso è quello dell’integrazione omica dei dati, quindi l’integrazione di dati molto complicati che provengono da diverse sorgenti, ma ce ne saranno sempre di più. Ci saranno i pareri cosiddetti multimodali, no, che mettono insieme informazioni diverse e che aiutano noi ricercatori a formulare o ad aiutare a formulare un parere su dati molto stratificati e molto complicati.“

La fisica teorica: una competenza imprescindibile per il futuro della medicina

Gestione delle tecnologie moderne e formazione specialistica

“È sempre più difficile saper gestire tecnologie moderne senza una formazione specifica sul campo e quindi le professioni tutte hanno bisogno ecco di spendere tempo e intelletto, diciamo, a imparare come sfruttare al meglio queste tecnologie che altrimenti restano molto potenti, ma poco sfruttate.“

L’evoluzione della formazione medica: AI e scienze dure

“La fisica teorica non entra adesso nella formazione dei medici. E anche, diciamo, la parte di scienze dure, tra virgolette, è relativamente piccola. Qui a Torino c’è un corso nuovo di intelligenza artificiale rivolto prevalentemente a chi vuole approfondire le scienze della vita, la medicina e sicuramente questo è il futuro della formazione.“

La sinergia tra discipline per eradicare il cancro

L’esperienza dell’Istituto di Candiolo dimostra come l’integrazione tra fisica teorica, intelligenza artificiale e oncologia rappresenti il futuro della ricerca medica. L’approccio multidisciplinare, che unisce microscopia avanzata, modellizzazione matematica e analisi di big data genomici, apre nuove possibilità nella comprensione e nel trattamento dei tumori.

La sfida è mantenere l’equilibrio perfetto tra le capacità computazionali dell’AI e l’esperienza clinica accumulata in decenni di ricerca, creando una sinergia che amplifichi le potenzialità di entrambi gli approcci per migliorare diagnosi, prognosi e terapie oncologiche.