eVai: diagnosi precoci di malattie rare per salvare vite umane
Salvare vite attraverso la lettura del DNA, una procedura che permette di diagnosticare rapidamente malattie rare. È quello che attraverso intelligenza artificiale e software di ultima generazione propone la start-up enGenome. I risultati raggiungibili sono già evidenti. L’esempio è avvenuto all’Ospedale Pediatrico IRCCS Burlo Garofolo di Trieste negli scorsi mesi. Proprio in questa struttura è nata una bambina con un sospetto di malattia metabolica. Da qui è emersa la necessità di un’analisi più approfondita per l’identificazione di mutazioni genomiche che potessero confermare il sospetto diagnostico di una malattia rara e indirizzare la terapia. Per la precisione, si è deciso di procedere al sequenziamento dell’esoma, ovvero l’insieme di tutte le porzioni del genoma essenziali per la produzione di proteine.
Il laboratorio di Genetica Medica del Burlo Garofolo rappresenta un centro di riferimento nazionale per diverse patologie, quali ad esempio la Fibrosi Cistica, le Sordità ereditarie e le Cardiomiopatie. In questo caso, il processo di analisi genomica è stato possibile grazie al software eVai realizzato da enGenome. “Questo strumento innovativo ha permesso di identificare due varianti genetiche e interpretarle come causa di un deficit nell’ossidazione degli acidi grassi, ovvero il processo a più fasi che metabolizza i grassi e li converte in energia. Una delle due varianti non era mai stata descritta in precedenti pubblicazioni scientifiche e la sua corretta identificazione ha consentito la rapida ed accurata diagnosi della malattia della paziente, ovvero il deficit di acil-CoA deidrogenasi a catena molto lunga, permettendo di intervenire tempestivamente sulla terapia. Alla luce di questo risultato è stato possibile modulare la dieta della neonata, utilizzando un latte specifico privo di acidi grassi a catena molto lunga evitando così danni legati all’accumulo di acidi grassi parzialmente metabolizzati in tessuti come il cuore, il fegato o i muscoli” ha raccontato la Dott.ssa Giorgia Girotto, parte del team multidisciplinare della Genetica Medica dell’Ospedale e del Dipartimento di Scienze Mediche della Salute dell’Università di Trieste, che nel corso dell’ultimo anno ha identificato le cause genetiche di alcune malattie ereditarie in più di 500 pazienti.
La storia di Trieste costituisce solo uno degli innumerevoli esempi che evidenzia le grandi potenzialità delle tecnologie di sequenziamento di nuova generazione, che consentono di arrivare in tempi rapidi alla corretta diagnosi genetica in pazienti che altrimenti avrebbero atteso anni, subendo così le inevitabili conseguenze del peggioramento della malattia. Il settore delle malattie rare rappresenta una reale sfida per il Sistema Sanitario Nazionale italiano. Le malattie rare sono un gruppo eterogeneo che raccoglie circa 7mila patologie diverse, alcune ancora senza nome; sono interessate, a livello globale, circa 300 milioni di persone, una cifra pari all’8-10% della popolazione mondiale. Secondo l’Osservatorio Malattie Rare circa 2 milioni di italiani ne sono affetti; i nuovi casi sono circa 19mila ogni anno. All’origine della maggior parte delle malattie rare vi sono alterazioni genetiche, assai difficili da individuare. Per diagnosticare con precisione una di queste patologie, nella maggior parte dei casi è necessario identificare una singola alterazione del DNA responsabile della malattia. Tuttavia, definire quale variante è responsabile di una malattia è estremamente complesso. Ogni individuo ha fino a 5 milioni di varianti rispetto alla sequenza di riferimento del genoma umano, la maggior parte delle quali innocue e solo una minoranza responsabili di malattie rare.
EnGenome è la start-up nata da un gruppo di ricercatori dell’Università di Pavia, provenienti da diverse parti d’Italia che hanno sviluppato eVai, una piattaforma “Software as a Service”, che ha lo scopo di supportare il medico genetista nell’interpretazione dei risultati dei test genetici, in particolare per la diagnosi di malattie rare. “La piattaforma eVai è in grado di interpretare le varianti genetiche di un paziente utilizzando un approccio innovativo, che combina metodi di intelligenza artificiale, linee guida internazionali, la base di conoscenza curata da enGenome e le basi di conoscenza degli esperti genetisti che lo utilizzano – spiega Ettore Rizzo – Il software effettua una pre-valutazione clinica ed assegna un punteggio di rischio ad ogni variante genomica del paziente. Il medico viene supportato nella valutazione dell’enorme quantità di informazioni elaborate dal sistema, che vengono mostrate in maniera molto intuitiva grazie a un’interfaccia web che è stata sviluppata in stretta collaborazione con i genetisti e quindi adatta alle loro esigenze. Il medico riesce quindi a definire nel giro di pochi minuti la diagnosi genetica, individuando rapidamente le varianti ad alto rischio”.
Per ogni variante eVai applica automaticamente le linee guida internazionali attraverso il suo algoritmo basato su Intelligenza Artificiale. A quel punto integra ciò che ha rilevato con i dati di cui dispone e pre-classifica le varianti in base alla loro capacità di causare una malattia. Il sistema eVai riporta quindi quali criteri delle linee guida sono stati attivati per ogni variante, quali sono le evidenze a supporto della classificazione ed attribuisce un punteggio che fa capire i rischi che un paziente corre di essere colpito da una malattia. Gli utenti possono anche interagire con il sistema, fornendo informazioni aggiuntive che permettono di perfezionare la propria base di conoscenza che verrà automaticamente ri-utilizzarla dal sistema per migliorarsi. “Rispetto ad altre soluzioni disponibili sul mercato, eVai ha mostrato un’accuratezza decisamente superiore nella classificazione delle varianti genetiche. I risultati di questo confronto hanno mostrato una significativa riduzione delle varianti più difficili da classificare e sono stati pubblicati su una rivista scientifica internazionale e presentati durante diverse conferenze di settore” afferma Ivan Limongelli.
