Uno studio condotto congiuntamente dalle università di Firenze e Bari, oltre che dall'Istituto Nazionale di fisca nucleare, ha svelato che il microbioma intenstinale può aiutare a predire il rischio di sviluppare il tumore colon-retto: mediante l'utilizzo di sistemi di intelligenza artificiale, potrebbe quindi essere utilizzato per monitorare lo stato di salute dei pazienti, grazie ad innovativi test di screening non invasivi e personalizzati.
Lo studio, nato nell'ambito di un progetto finanziato dal Pnrr, è coordinato dalla docente di UniBa Sabina Tangaro, ed è stato pubblicato su 'Gut Microbes', rivista internazionale di riferimento per la ricerca sul microbioma intestinale.
Il lavoro utilizza la cosiddetta intelligenza artificiale spiegabile (Xai) per analizzare i profili microbici intestinali. Per predire il rischio di tumore oggi lo standard diagnostico prevede la colonscopia, un'analisi invasiva con limitata adesione da parte della popolazione.
Il nuovo studio ha utilizzato invece l'intelligenza artificiale spiegabile (XAI) per analizzare dati di sequenziamento genetico da campioni di 453 pazienti, con l'obiettivo di identificare biomarcatori microbici predittivi della presenza di adenomi o del tumore. Il modello ha mostrato ottime prestazioni, raggiungendo un livello di precisione pari all'89% nel riconoscere i casi realmente a rischio e riducendo al minimo i falsi allarmi.
Lo studio, nato nell'ambito di un progetto finanziato dal Pnrr, è coordinato dalla docente di UniBa Sabina Tangaro, ed è stato pubblicato su 'Gut Microbes', rivista internazionale di riferimento per la ricerca sul microbioma intestinale.
Il lavoro utilizza la cosiddetta intelligenza artificiale spiegabile (Xai) per analizzare i profili microbici intestinali. Per predire il rischio di tumore oggi lo standard diagnostico prevede la colonscopia, un'analisi invasiva con limitata adesione da parte della popolazione.
Il nuovo studio ha utilizzato invece l'intelligenza artificiale spiegabile (XAI) per analizzare dati di sequenziamento genetico da campioni di 453 pazienti, con l'obiettivo di identificare biomarcatori microbici predittivi della presenza di adenomi o del tumore. Il modello ha mostrato ottime prestazioni, raggiungendo un livello di precisione pari all'89% nel riconoscere i casi realmente a rischio e riducendo al minimo i falsi allarmi.
Sponsor
Condividi
La funzionalità è stata disattivata perché si avvale di cookies (Maggiori informazioni)
Attiva i cookies
Attiva i cookies