L’intelligenza artificiale potrebbe rendere più semplice e accessibile l’individuazione di alcuni biomarcatori fondamentali per scegliere le terapie contro il tumore ovarico. Un gruppo di ricercatori del King’s College London ha sviluppato HRDPath, un sistema di deep learning capace di analizzare le immagini digitali dei tessuti tumorali e riconoscere caratteristiche associate a un difetto nei meccanismi di riparazione del DNA. Lo studio, pubblicato il 21 ottobre 2026 sulla rivista scientifica Nature Communications, apre nuove prospettive per la medicina oncologica di precisione: l’obiettivo è ricavare informazioni utili per orientare le scelte terapeutiche partendo da campioni istologici già disponibili, senza dover necessariamente ricorrere a ulteriori analisi molecolari.
Tumore ovarico e deficit di riparazione del DNA: perché è importante riconoscerlo
La ricerca si concentra sul carcinoma sieroso di alto grado tubo-ovarico, una forma particolarmente aggressiva di tumore che può originare dalle ovaie o dalle tube di Falloppio. In alcuni di questi tumori è presente una condizione chiamata deficit di ricombinazione omologa (HRD), che compromette la capacità delle cellule di riparare correttamente i danni al DNA. Il difetto può essere associato, tra l’altro, ad alterazioni dei geni BRCA1 e BRCA2. Individuare questa caratteristica è importante perché può contribuire a identificare le pazienti che hanno maggiori probabilità di beneficiare di specifici trattamenti, tra cui la chemioterapia a base di platino e gli inibitori di PARP, farmaci che sfruttano proprio le difficoltà delle cellule tumorali nel riparare il proprio patrimonio genetico. Attualmente, la ricerca dell’HRD si basa su test genomici che possono risultare costosi, richiedere tempi di elaborazione e non essere facilmente accessibili in tutti i contesti sanitari.
HRDPath analizza le immagini al microscopio: cosa ha scoperto lo studio
Il modello sviluppato dai ricercatori utilizza immagini digitali ad alta risoluzione di campioni di tessuto tumorale, normalmente ottenute attraverso l’esame istopatologico. Invece di analizzare direttamente il DNA, l’algoritmo individua caratteristiche morfologiche e organizzative delle cellule associate alla presenza del deficit di riparazione. La sperimentazione è stata condotta su tre gruppi indipendenti di pazienti e ha mostrato risultati promettenti: considerando più immagini dello stesso tumore, il sistema ha raggiunto valori di sensibilità e specificità fino al 90%. I ricercatori hanno inoltre osservato differenze nella forma dei nuclei cellulari e nella disposizione delle cellule tumorali tra i campioni HRD-positivi e quelli HRD-negativi. Si tratta di informazioni che potrebbero aiutare a individuare segnali biologici non immediatamente riconoscibili attraverso la sola osservazione tradizionale.
Diagnosi più accessibili e terapie personalizzate: le prospettive dell’intelligenza artificiale
La prospettiva è quella di trasformare le immagini istologiche già raccolte durante il percorso diagnostico in una fonte aggiuntiva di informazioni per orientare le decisioni cliniche. Se ulteriormente validato, HRDPath potrebbe contribuire a ridurre la dipendenza da test genetici complessi, accelerare la caratterizzazione dei tumori e facilitare l’accesso a strategie terapeutiche personalizzate, soprattutto nei contesti in cui le analisi molecolari sono meno disponibili. Gli stessi autori sottolineano, tuttavia, che sono necessari ulteriori studi su popolazioni più ampie e diversificate prima di un’eventuale applicazione nella pratica clinica. L’intelligenza artificiale, dunque, non sostituisce il lavoro dell’anatomo-patologo né i test genetici, ma potrebbe affiancarli, aggiungendo un nuovo livello di analisi alla diagnosi oncologica. Una prospettiva che conferma come il futuro della lotta ai tumori passi sempre più dall’integrazione tra competenze mediche, biologia molecolare e tecnologie digitali.