Leucemia, studio Italia-Usa: le cellule predicono ricaduta fin dalla diagnosi

52

Un gruppo di scienziati del Centro di ricerca Matilde Tettamanti e dell’università di Stanford in California ha scoperto che è possibile prevedere fin dalla diagnosi se pazienti colpiti da leucemia linfoblastica acuta di tipo B (B-Lla) avranno maggiori probabilità di ricaduta dopo i trattamenti. I ricercatori hanno messo in evidenza che alcune particolari caratteristiche funzionali della cellula tumorale, associate alla ricaduta di questa malattia, sono infatti già presenti al momento della diagnosi. Finora occorreva aspettare la risposta al trattamento e la verifica molecolare della cosiddetta ‘malattia residua minima’, per stabilire l’eventuale rischio di ricaduta. Lo studio, sostenuto anche dall’Associazione italiana per la ricerca sul cancro con il contributo della Fondazione ‘Benedetta è la Vita’ Onlus, si è guadagnato le pagine di ‘Nature Medicine’. Grazie a un’analisi ad altissima risoluzione che permette di studiare singolarmente le cellule, i ricercatori hanno potuto identificare un preciso comportamento cellulare che sembra guidare la ricaduta. Tale osservazione, oltre a offrire nuove conoscenze sul comportamento biologico della cellula tumorale, potrebbe avere un impatto molto significativo negli attuali criteri di stratificazione del rischio e di conseguente definizione di una terapia. “Nel nostro studio – commenta Jolanda Sarno, primo autore insieme a Zinaida Good – abbiamo utilizzato una tecnologia innovativa, la citometria di massa, in grado di individuare, quantificare e analizzare contemporaneamente decine di parametri biologici e funzionali in ogni singola cellula. Le cellule leucemiche di B-Lla alla diagnosi sono state confrontate con la loro controparte sana mediante un programma bioinformatico, al fine di individuare i profili più caratteristici delle cellule leucemiche. I profili ottenuti sono poi stati confrontanti nei pazienti ricaduti rispetto a quelli in remissione (non ricaduti) e, utilizzando un approccio di ‘machine learning’, sono state identificate le caratteristiche funzionali predittive della ricaduta”.