La crescente attenzione alla medicina personalizzata ha drasticamente cambiato la routine degli anatomo- patologi, sia dal punto di vista delle tecniche utilizzate, che, soprattutto, delle informazioni a loro richieste. Infatti, i referti di anatomia patologica contengono sempre più informazioni diagnostiche ancillari e ricoprono un ruolo cruciale nel definire il percorso terapeutico e clinico dei pazienti oncologici. Se, tradizionalmente, ai patologi veniva richiesta la descrizione architetturale del tessuto, oggi, grazie alle nuove tecniche disponibili (quali l’immunoistochimica, la citogenetica, le analisi molecolari, etc ...) essi devono gestire un sempre maggiore numero di dati, che devono essere correttamente interpretati ed integrati. Anche la descrizione morfologica dei reperti è diventata sempre più accurata e complessa, in quanto utile ad ottenere una migliore caratterizzazione e differenziazione di diverse neoplasie. A completamento del quadro, occorre ricordare che il carico di lavoro delle anatomie patologiche è attualmente molto elevato (circa 2/3 delle diagnosi complessive), che le patologie tumorali sono in crescita a livello globale come incidenza (e ci si attende un ulteriore inasprimento dovuto alla mancanza o riduzione della prevenzione a causa degli eventi pandemici) e che il numero di specialisti è in drastica riduzione.
Sfide così complesse eppure cruciali per i pazienti devono necessariamente essere affrontate rendendo disponibili agli specialisti i migliori strumenti tecnologici. L’intelligenza artificiale (AI) in digital pathology può fornire un inestimabile supporto per affrontare queste sfide moderne del settore. Complessivamente, il progetto si propone di farsi carico (Care) dei seguenti tre aspetti fondamentali in modo sinergico e combinato:
• spingere verso la digitalizzazione in anatomia patologica e creare le condizioni per la nascita di una vera realtà di digital pathology sul territorio (DIPAT-Hology);
• fornire ai patologi nuovi strumenti ed un sistema integrato per la refertazione, in cui siano rese disponibili anche informazioni a livello molecolare e subcellulare, che consentano una migliore comprensione del sistema patologico (DIPAT-Hways);
• migliorare la qualità del servizio offerto ai cittadini (DIPAT-Ients).
Il progetto che si propone, quindi, denominato “DIPAT3-Care” (Digital Pathology Pathways to improve Patient Care) ha lo scopo di declinare in modo efficiente, usabile ed innovativo l’AI in digital pathology, per affrontare una delle maggiori sfide del territorio: il linfoma aggressivo (Progetto denominato: DIPAT3- LymphoCare).
DIPAT3-LymphoCare rappresenta un progetto certamente esplorativo, mirato ad integrare informazioni istomorfologiche, immunistochimiche, citogenetiche e molecolari al fine di ottenere una migliore classificazione dei linfomi aggressivi. Infatti, a livello internazionale, si è osservato come questa classe di linfomi contenga un’intrinseca variabilità di pazienti con decorsi e prognosi anche molto differenti. Questo progetto, quindi, mira a sfruttare appieno le potenzialità dell’AI per ottenere una migliore descrizione della patologia ed offrire la possibilità di ottimizzare la gestione dei pazienti ematologici. A partire dalla corretta e miglior gestione del vetrino (dove le tecniche di AI saranno impiegate non solo per l’interpretazione e quantificazione delle immagini, ma anche per la gestione ottimizzata delle colorazioni), si svilupperà un framework di biocibernetica, dove le informazioni di basso livello (molecolari o subcellulari) saranno integrate da dai dati provenienti dalle immagini istologiche e anche da dati clinici, in modo da ottenere modelli predittivi ed interpretativi della patologia per lo specifico soggetto.