Fabio Bagante, ricercatore dell’università di Verona, è il vincitore della Kenneth Warren Fellowship, ricevuta dalla International Hepato-Pancreato-Biliary Association, l’associazione internazionale di chirurghi epato-bilio-pancreatici con la quale ha studiato l’utilizzo di modelli di intelligenza artificiale per la cura dei tumori epato-bilio-pancreatici. L’innovativo progetto di ricerca è stato, inoltre, sviluppato durante il corso di dottorato in Infiammazione, immunità e cancro dell’università di Verona.

I risultati del lavoro svolto da Fabio Bagante, sotto la guida di Alfredo Guglielmi, direttore della sezione di Chirurgia generale ed epatobiliare dell’ateneo, dove Bagante presta servizio, di Aldo Scarpa, direttore della sezione di Anatomia patologica, e di Timothy M. Pawlik, già direttore del Johns Hopkins Liver Tumor Clinic e attualmente Chair of Surgery della Ohio State University, sono stati presentati al quattordicesimo world meeting della International Hepato-Pancreato-Biliary Association (IHPBA) in Australia.

I dati genetici necessari allo studio sono stati resi disponibili grazie all’istituzione un consorzio internazionale e multidisciplinare (Liver and Bile Duct Cancer Genetics Consortium) guidato dall’università di Verona che, attraverso tecniche di intelligenza artificiale e di analisi genetica, ha dimostrato come sia possibile applicare complesse indagini di laboratorio nella pratica clinica per fornire ai pazienti innovativi trattamenti personalizzati. I risultati di questo progetto dal titolo “Artificial neural networks for multi-omics classifications of hepato-pancreato-biliary cancers: towards the clinical application of genetic data” sono recentemente stati pubblicati sulla rivista European Journal of Cancer. Bagante ha sottolineato, a conclusione dell’articolo, come l’utilizzo dell’intelligenza artificiale nell’ambito dei tumori epato-bilio-pancreatici potrebbe portare ad una più accurata stadiazione prognostica dei pazienti e alla precisa identificazione di bersagli terapeutici che permetterebbero la selezione di trattamenti specifici per le caratteristiche biologiche della malattia di ogni singolo paziente.