Ciò che Guckelsberger e colleghi hanno sviluppato durante quell’anno è un modo per classificare automaticamente le immagini al microscopio digitale delle interazioni tra anticorpi e antigeni virali nelle cellule coltivate in laboratorio. Un computer impara essenzialmente a rilevare se il paziente ha anticorpi anti-coronavirus.
Oltre alla diagnosi, il metodo fornisce ai ricercatori anche informazioni su quali caratteristiche delle cellule indicano un risultato positivo, che tipo di risposte anticorpali sono presenti e consente loro di fare previsioni sulla probabilità di un campione positivo agli anticorpi COVID-19 solo dalla sola immagine.
Le stesse immagini campione classificate da un computer sono state mostrate anche a esperti virologi, che le hanno valutate come positive o negative per gli anticorpi del coronavirus. “Il nostro approccio può eguagliare il livello di classificazione degli esperti umani”, afferma Guckelsberger, “ed è molto più veloce. Inoltre, può dirci quando ci sono risultati ambigui che dovrebbero essere esaminati più attentamente da un occhio esperto”.
I risultati del progetto, recentemente pubblicati in Metodi di report delle cellemostrano anche che il metodo è paragonabile, e in qualche modo superiore, ai test ampiamente utilizzati come ELISA.
“Abbiamo utilizzato cellule, anziché proteine virali purificate, come base per il nostro test, che è più vicino alla fisiologia reale”, afferma l’autore principale Vilja Pietiäinen dell’Istituto di Medicina Molecolare Finlandia (FIMM) dell’Università di Helsinki.
“Poiché tutto è completamente automatizzato, abbiamo un rendimento elevato, ma otteniamo anche immagini digitali che possono essere mostrate a un virologo o a un patologo, senza che debbano andare al microscopio. I risultati possono essere controllati anche su un dispositivo mobile. E possiamo contare il numero di cellule infette, quindi abbiamo sia dati quantitativi che visivi”.
Durante i primi giorni della pandemia, il gruppo di ricerca è riuscito a formarsi rapidamente grazie a precedenti collaborazioni internazionali e locali su studi di virologia, imaging e risposta ai farmaci, spiega Pietiäinen.
“A quel punto, avevamo bisogno di un test ad alto rendimento per i test sugli anticorpi che indicasse se una persona aveva un’infezione da SARS-CoV-2. Da allora, ci sono stati molti miglioramenti nella diagnosi, nel rilevamento e nella risposta anticorpale della SARS-CoV-2″, come il test ampiamente noto della reazione a catena della polimerasi (PCR) o il test dell’antigene (come il tampone nasale) che direttamente misura la presenza del virus nell’organismo.
Il test sviluppato da Pietiäinen, Guckelsberger e colleghi, invece, misura gli anticorpi, il che ci dice come il sistema immunitario riconosce il virus e produce diversi tipi di anticorpi contro di esso.
“Quando si hanno solo pochi campioni, si sa molto poco su una malattia o non si ha accesso a un laboratorio di biosicurezza di alto livello, la nostra pipeline può essere davvero preziosa”, afferma Guckelsberger, aggiungendo che può essere utilizzata ovunque indipendentemente dal luogo, attrezzatura per la preparazione del campione o tipo di microscopio. In effetti, la pipeline è versatile per testare qualsiasi germe.
«Abbiamo progettato il test da utilizzare per qualsiasi agente patogeno emergente, aumentando la nostra preparazione per le future pandemie», afferma Pietiäinen. “Alcuni componenti dovrebbero essere ottimizzati per ogni nuovo virus, ma la bellezza del test è che può essere utilizzato per scopi diversi. Viene già utilizzato per studiare virus zoonotici come il virus Puumala”.
Altri test automatizzati basati su cellule, seguiti da metodi di analisi delle immagini guidati dall’intelligenza artificiale, vengono utilizzati nel gruppo di ricerca per studiare le risposte farmacologiche alla SARS-CoV-2 e per identificare farmaci che possono uccidere le cellule tumorali derivate dai pazienti ex vivo.
Oltre a pubblicare il loro lavoro e contribuire a una migliore comprensione della pandemia, Guckelsberger e Pietiäinen condividono una visione comune che questo progetto ha insegnato loro.
“Quando nel mondo emergono grandi domande, noi scienziati non possiamo lavorare da soli in silos. Esperti provenienti da diversi campi, diverse università e paesi devono riunirsi con un obiettivo condiviso: nel nostro caso, data scientist, medici, informatici, biochimici”, afferma Pietiäinen.
“Lavorare in un grande team, cosa che non facciamo spesso in informatica, è stato affascinante”, gli fa eco Guckelsberger.
“Una grande sfida è stata comunicare da diversi punti di vista di competenza, ad esempio dando un senso a ciò che sta accadendo a entrambe le estremità del processo, dalle procedure del laboratorio umido ai parametri fino ai dati e alle immagini. Allo stesso tempo, è stata un’esperienza di apprendimento fantastica e mi auguro di averne di più in futuro”.
Sebbene abbiano utilizzato l’apprendimento automatico ben consolidato per ciascun componente della pipeline, Guckelsberger afferma che il collegamento tra biologi e scienziati informatici è stato uno dei veri progressi. Usare la tecnologia per risolvere questioni biologiche è stato un grande insegnamento anche per Pietiäinen.
“Combinare la microscopia con l’apprendimento automatico, non solo per la SARS-CoV-2, ma per vedere risposte personalizzate ai farmaci o per vedere i fenotipi cellulari di malattie genetiche rare, è potente. Un’immagine vale più di mille parole, anche in questo caso è così”.
Fonte: Università Aalto
Originalmente pubblicato su The European Times.
