Durante il congresso HMC 2024 che si è tenuto a Roma, Microbioma.it ha intervistato, l’ingegnere informatico Corrado Vecchi, rappresentante di Ebris, che ha presentato in una sessione l’utilizzo dell’intelligenza artificiale (IA) nell’analisi dei dati complessi generati da studi scientifici multi-omici.
Il rapido aumento della quantità di dati prodotti dalle moderne tecnologie ad alto throughput, come la metabolomica, la proteomica e la metagenomica, ha reso necessario un approccio computazionale avanzato per elaborare, categorizzare e interpretare tali informazioni in modo efficace.
L’approccio presentato utilizza reti neurali convoluzionali e algoritmi di deep learning basati sul supervised learning, che consentono di identificare regole e relazioni complesse tra i dati. Il processo inizia con una riduzione della complessità dei dati, seguita dalla loro normalizzazione, per rendere tutte le variabili comparabili. Una volta eseguite queste operazioni, i modelli di deep learning possono essere applicati per estrapolare correlazioni e pattern nascosti che sarebbero difficili da individuare con metodi tradizionali.
Corrado Vecchi ha illustrato l’applicazione di questo metodo a un progetto dedicato all’autismo, dimostrando come l’analisi multi-omica basata su IA possa contribuire a identificare nuovi biomarcatori e percorsi molecolari coinvolti nella patologia. L’approccio può essere esteso anche ad altri campi della biomedicina, consentendo di analizzare grandi volumi di dati in tempi ridotti e con una maggiore precisione, aprendo così nuove possibilità per la ricerca e la medicina personalizzata.
L’utilizzo dell’intelligenza artificiale, e in particolare del deep learning, rappresenta quindi un elemento chiave per la ricerca biomedica di nuova generazione, fornendo strumenti innovativi per affrontare la complessità dei dati biologici e supportare gli scienziati nella scoperta di nuove conoscenze che possono avere un impatto significativo sulla diagnosi e il trattamento di diverse patologie.
