Un’innovazione nel campo della diagnosi oncologica arriva dall’Istituto Tumori ‘Giovanni Paolo II’ di Bari, dove un team di ricercatrici ha sviluppato un sistema che consente di analizzare il linfonodo sentinella senza bisogno di biopsia. Il metodo, che sfrutta l’intelligenza artificiale per interpretare dati clinici e immagini ecografiche, ha ottenuto il brevetto dalla Direzione generale per la Proprietà Industriale – Ufficio Italiano Brevetti e Marchi (UIBM).

Il metodo innovativo

L’idea è stata messa a punto dal Laboratorio di biostatistica e bioinformatica dell’Istituto barese, grazie al lavoro della vicedirettrice scientifica Raffaella Massafra e delle ricercatrici Samantha Bove, Maria Colomba Comes e Annarita Fanizzi. Il sistema consente di classificare lo stato metastatico del linfonodo sentinella senza necessità di prelevarlo chirurgicamente.

Attualmente, la biopsia del linfonodo sentinella è un passaggio fondamentale nella diagnosi e nel trattamento del tumore della mammella, ma è una procedura invasiva che si rivela realmente necessaria solo nel 15% dei casi. Grazie a questo nuovo approccio, sarà possibile ridurre il numero di interventi inutili, garantendo comunque un’elevata precisione diagnostica.

Un passo avanti nella ricerca oncologica

Il direttore generale dell’Istituto, Alessandro Delle Donne, ha espresso grande soddisfazione per il traguardo raggiunto:
“Questo brevetto rappresenta un importante passo avanti nell’applicazione dell’intelligenza artificiale alla medicina oncologica. È il secondo brevetto che otteniamo in due anni, a conferma del nostro impegno nella ricerca e nell’innovazione. Il nostro obiettivo è migliorare le cure e la qualità della vita delle pazienti, e questa scoperta va esattamente in questa direzione”.

Oggi, una diagnosi precoce e precisa del tumore al seno è cruciale per migliorare le prospettive di sopravvivenza. La possibilità di valutare lo stato linfonodale senza interventi invasivi rappresenta una svolta che potrebbe avere un importante impatto sulla gestione clinica della malattia, riducendo costi e disagi per le pazienti.