Che tempo fa nel cervello?

Le previsioni meteo per il cancro

di Tobia Dondè

A favore dei meteorologi che ogni tempestoso weekend si prendono tutti gli accidenti per aver previsto bel tempo, c’è da fare una considerazione: non sono loro che sbagliano, magari (nell’immaginario collettivo) tirando a caso, ma è il modello matematico che utilizzano a evolversi nella maniera sbagliata. E ora sì che si può prendersela coi matematici! Tuttavia proprio questi modelli concernenti un sistema dinamico potrebbero rivelarsi un’arma contro uno dei peggiori incubi del nostro tempo: il cancro. Ce lo dice uno studio condotto in collaborazione dall’Università dell’Arizona e dal Barrow Neurological Institute (BNI), pubblicato su “Biology Direct” di BioMed Central pochi giorni or sono. Gli stessi numeri che analizzano le nuvole potrebbero prevedere la crescita e la diffusione a breve termine di un tumore maligno, rendendo più facile pianificare la terapia e l’assistenza al malato.

Gli scienziati si sono concentrati su un particolare tumore al cervello, il glioblastoma multiforme (GBM), tragicamente famoso per la sua formidabile aggressività. Questo cancro è particolarmente adatto allo scopo in quanto si sviluppa secondo schemi geometrici complessi ma rigorosi. Alla sua preesistente modellizzazione matematica è stato applicato il Local Ensemble Transform Kalman Filter (LETKF), un algoritmo statistico che stima l’evoluzione di un sistema dopo un certo tempo a partire da alcuni dati iniziali, forniti dalle risonanze magnetiche del paziente. Queste informazioni vengono introdotte nell’algoritmo tramite tecniche di assimilazione dati. Il LETKF si adatta molto bene all’evoluzione della malattia perché è in grado di rendersi conto di errori quali rumori e imprecisioni di strumentazione nei dati in ingresso e di non tenerne conto ai fini della stima dello sviluppo globale.

Il team è inizialmente partito applicando l’algoritmo a un set di dati ipotetici, aggiornando man mano i risultati ottenuti con altri dati più specifici. Passando poi a specifiche di pazienti reali, si sono potute confrontare le previsioni a breve termine (nell’ordine di 60 giorni) con l’evoluzione reale del glioblastoma, ottenendo così varie stime della verosimiglianza del modello. Tutte positive, almeno per quei tempi brevi. Secondo Mark Preul, ricercatore al BNI e coautore dello studio, questi risultati, “nonostante rimanga del lavoro da svolgere prima che questo approccio possa essere realmente considerato per applicazioni cliniche”, potrebbero essere rilevanti, perché “fornire un buon sistema di previsione per il glioblastoma aiuterebbe nella scelta del trattamento adeguato”.

Naturalmente il glioblastoma multiforme è soltanto un punto di partenza. Il modello si applica anche ad altri tipi di cancro e in generale a fenomeni biologici che consistono formalmente in un sistema dinamico.

Insomma, sebbene a volte sia proprio l’analisi dei sistemi dinamici il soggetto delle nostre maledizioni vacanziere (per il cattivo tempo, per il traffico intenso eccetera), questa branca della matematica della complessità riserva delle notevoli sorprese in ambiti a volte impensabili. Riuscire ad applicare ad altre realtà scientifiche modelli e algoritmi già codificati in un determinato settore è un punto di forza da non sottovalutare, anche da un punto di vista economico. La ricerca scientifica, del resto, non consiste solo nell’ampliare la conoscenza, ma anche nell’interconnetterla.