Cos’è CleaveNet: l’AI del MIT che progetta sensori biologici per individuare i tumori in anticipo con nanoparticelle e test delle urine. Ne parliamo con Antonino Caffo, giornalista esperto di AI
“Che cos’è CleaveNet, in parole semplici?”
Se dovessimo spiegarlo a chi non si occupa di tecnologia o medicina, l’idea chiave è immaginare CleaveNet non come un medico, ma come un architetto di “esche” molecolari. In parole povere, è un software che crea dei sensori biologici su misura. Non è la macchina che ti fa la diagnosi, ma è il “cervello” che disegna lo strumento chimico che verrà poi inserito nel corpo per scovare la malattia. È il ponte che mancava tra l’informatica e la chimica per costruire rilevatori di malattia incredibilmente precisi.
“Che cosa fa l’intelligenza artificiale, concretamente, dentro questo progetto?”
Questa è la parte più affascinante perché ribalta l’idea comune che abbiamo dell’AI in medicina. Solitamente pensiamo all’AI come a un “super-occhio” che guarda migliaia di radiografie e trova una macchia sospetta. Qui l’AI non guarda nulla. Qui l’AI progetta la chimica. Fino a ieri, per trovare una molecola che reagisse a un tumore, gli scienziati dovevano procedere per tentativi ed errori, testando migliaia di combinazioni quasi alla cieca, un processo lento e costoso. CleaveNet invece “immagina” e calcola al computer milioni di strutture possibili e seleziona quella perfetta che reagirà esclusivamente con gli enzimi del cancro. Concretamente, l’AI scrive la “ricetta” di una catena di amminoacidi (chiamata peptide) che ha un solo scopo: farsi tagliare dalle “forbici” chimiche del tumore e da nessun’altra cosa. Crea il sensore che prima non esisteva.
“Perché questo approccio potrebbe scoprire un tumore prima degli esami di oggi?”
La grande differenza sta nel cosa si cerca. Gli esami tradizionali come la TAC o la risonanza magnetica cercano una massa, cioè un tumore che è già cresciuto abbastanza da essere visibile, occupare spazio e avere una forma. Spesso, quando lo vedi, è già lì da tempo. L’approccio di CleaveNet, invece, cerca l’attività. I tumori, anche quando sono minuscoli (pochi millimetri), sono chimicamente iperattivi: per crescere e invadere i tessuti vicini rilasciano enormi quantità di enzimi chiamati “proteasi” (le famose forbici citate prima). Queste forbici lavorano freneticamente molto prima che il tumore diventi una massa visibile. Il test basato su CleaveNet intercetta questo “lavoro in corso”. Inoltre, c’è un effetto di amplificazione naturale: una singola cellula tumorale può produrre enzimi che tagliano centinaia di sensori in pochi minuti, creando un segnale forte anche se il tumore è piccolissimo. È come sentire il rumore di un cantiere molto prima di vedere il grattacielo che stanno costruendo.
“Come sarebbe, nella pratica, un test ‘semplice’ per una persona a casa?”
Lo scenario immaginato dai ricercatori del MIT è simile a pratiche che conosciamo già, ma con una tecnologia invisibile all’interno. La procedura sarebbe divisa in due fasi. Nella prima, la persona deve assumere i sensori progettati da CleaveNet. Questo potrebbe avvenire tramite un inalatore (tipo quelli per l’asma) o forse una semplice pillola o liquido da bere. Una volta entrati nel corpo, questi sensori (che sono nanoparticelle innocue) viaggiano nel sangue. Se incontrano il tumore, vengono “tagliati” e rilasciano un frammento specifico. Qui scatta la seconda fase: questo frammento è così piccolo che i reni lo filtrano e lo espellono con l’urina. Quindi, dopo un tempo prestabilito (magari un’ora), la persona farebbe pipì su una striscia di carta reattiva, esattamente come un test di gravidanza. Se la striscia cambia colore, significa che il frammento è stato rilevato e che quindi, da qualche parte nel corpo, c’è quell’attività tumorale. Non servono macchinari ospedalieri complessi per la lettura finale.
“Qual è il punto più delicato: cosa potrebbe far sbagliare il test?”
Il tallone d’Achille di questa tecnologia è la specificità, ovvero il rischio di falsi allarmi. Il corpo umano è pieno di “forbici” (enzimi) anche in situazioni normali o benigne. Ad esempio, una semplice infiammazione, una ferita che sta guarendo o un’infezione potrebbero produrre enzimi simili a quelli del tumore. Se il sensore progettato non è abbastanza “schizzinoso”, potrebbe essere tagliato da un enzima prodotto da un’infiammazione al ginocchio, facendo credere al paziente di avere un cancro. Questo è esattamente il motivo per cui serve l’Intelligenza Artificiale di CleaveNet: il suo compito principale è distinguere i minimi dettagli chimici per creare un sensore che venga tagliato solo ed esclusivamente dalla variante dell’enzima tumorale, ignorando quelli sani o infiammatori. Ridurre il rischio di falsi positivi è la sfida che determinerà se questo test arriverà mai negli scaffali delle farmacie o resterà in laboratorio.
“Qual è il primo uso ‘vero’ che potremmo vedere nel mondo reale?”
Sebbene il sogno sia lo “screening universale”, è molto improbabile che si parta da lì, per via dei costi e del rischio di falsi allarmi su persone sane. La prima applicazione realistica sarà quasi certamente il monitoraggio delle recidive. Un paziente che ha già avuto un tumore, è stato operato ed è guarito. Oggi vive con l’ansia dei controlli periodici (TAC, PET) ogni 6 o 12 mesi. Per queste persone, il test di CleaveNet sarebbe rivoluzionario: potrebbero farlo a casa più spesso (magari ogni mese) per intercettare un eventuale ritorno della malattia non appena le prime cellule ricominciano a “tagliare”, in anticipo rispetto ad una nuova massa visibile alla TAC. Solo dopo aver dimostrato affidabilità in questo gruppo ad alto rischio, la tecnologia potrebbe espandersi come screening preventivo per la popolazione generale. Le tappe mancanti riguardano soprattutto la validazione clinica su grandi numeri di esseri umani per essere certi che il test non si “confonda” con altre malattie comuni.
