Studia i linfociti nel sangue di una persona e decifra le passate infezioni e le malattie che lasciano una traccia nel sistema immunitario. Grazie a queste enormi potenzialità uno nuovo strumento di intelligenza artificiale, chiamato Mal-ID-MAchine Learning for Immunological Diagnosis, è potenzialmente in grado di fornire diagnosi precise e simultanee di disturbi autoimmuni, infezioni virali e risposte ai vaccini. Il modello, risultato di un lavoro condotto dagli scienziati della Stanford University in California e pubblicato sulla rivista Science, potrebbe gettare le basi per uno strumento diagnostico completo, che consente di rilevare più malattie contemporaneamente, in un unico test. I metodi diagnostici clinici tradizionali per le malattie autoimmuni o altre patologie immunologiche tendono a basarsi su una combinazione di informazioni derivanti dall’esame clinico, dall’anamnesi del paziente e vari test di laboratorio per la ricerca di anomalie cellulari o molecolari, un processo lungo spesso complicato da diagnosi iniziali errate e sistemi ambigui.
Mal-ID sfrutta le tracce che restano nel sistema immunitario in risposta ad agenti patogeni, vaccini e altri stimoli antigenici, che inducono cambiamenti nelle diverse popolazioni di cellule immunitarie, ad esempio i linfociti T e B. Mal-ID è stato sviluppato e addestrato su dati immunitari raccolti sistematicamente da 593 individui, tra cui pazienti con Covid-19, HIV e diabete di tipo 1 (che è una malattia autoimmune), nonché destinatari di vaccino antinfluenzale e individui sani di controllo. Secondo i risultati, Mal-ID ha distinto efficacemente sei stati patologici distinti in 550 campioni, dato indicativo di un’accuratezza di classificazione eccezionalmente elevata. Il modello è in grado di classificare i casi positivi rispetto a quelli negativi in tutti i confronti tra le malattie. Ad esempio il modello è riuscito a differenziare Covid-19, HIV, lupus, T1D e individui sani, illustrando il suo potenziale come potente strumento diagnostico.
Naturalmente, l’approccio deve ancora essere perfezionato, utilizzando informazioni cliniche, prima di poter essere utilizzato con fiducia sui pazienti. “Questo studio pilota dimostra che i dati di sequenziamento del recettore immunitario possono distinguere una gamma di stati di malattia ed estrarre informazioni biologiche senza una conoscenza pregressa di modelli recettoriali specifici per antigene. Con ulteriore convalida ed estensione, Mal-ID potrebbe portare a strumenti clinici che sfruttano le vaste informazioni contenute nelle popolazioni di recettori immunitari per la diagnosi medica”, concludono i ricercatori.
Iscriviti alla Newsletter di Sanità Informazione per rimanere sempre aggiornato
