Il 28 ottobre 2026 il Politecnico federale di Losanna (EPFL) ha presentato spora, un atlante di dati tissutali ad accesso libero concepito per la ricerca sull'IA applicata al cancro. Secondo l'EPFL, la raccolta riunisce 13'546 immagini di tessuti provenienti da 5477 pazienti. Deve servire ad addestrare e a confrontare modelli di intelligenza artificiale (IA). Questo progetto della ricerca svizzera associa ospedali e università di Zurigo e di Ginevra.
Il politecnico la descrive come la più vasta raccolta ad accesso libero al mondo di immagini tissutali e di dati molecolari. Si tratta di una sua valutazione: il comunicato non la confronta con nessun'altra banca dati. I lavori sono descritti in un articolo scientifico firmato tra gli altri da Benedikt von Querfurth e Charlotte Bunne, presentato alla conferenza Neural Information Processing Systems (NeurIPS) 2026.
A che cosa serve spora per i modelli di IA?
Un uso centrale è valutare i modelli al di fuori del loro studio d'origine. Oltre ai dati, spora fornisce strumenti per accedervi, analizzarli, sviluppare modelli di IA e misurarne le prestazioni su più studi, secondo il comunicato dell'EPFL.
Il team parte da un limite noto dell'IA medica. «Un modello può ottenere risultati eccellenti in un determinato studio e incontrare invece difficoltà non appena cambiano le e i pazienti, i laboratori o le tecnologie di misurazione», spiega Lukas Klein, ricercatore postdottorale all'EPFL e all'Ospedale universitario di Zurigo. Condividere i set di dati e i protocolli di valutazione deve permettere di studiare questi scarti in modo sistematico.
L'atlante conserva anche la traccia delle sue origini. Ogni set di dati resta collegato al suo studio d'origine e alle sue annotazioni. Le differenze nelle proteine misurate, nelle condizioni di imaging o nelle informazioni cliniche restano visibili. Un ricercatore può così scegliere i dati adatti alla sua domanda.
Le cifre chiave dell'atlante spora
- 13'546 immagini multiplex;
- 5477 pazienti;
- 14 tipi di tessuti;
- cinque tecnologie di imaging, tra cui la citometria di massa;
- due anni di lavoro per costituire la raccolta.
Quando esistono, sono allegate immagini di istopatologia. Sono le immagini utilizzate dalla patologia clinica. Il legame tra misurazioni molecolari e immagini cliniche è quindi conservato.
Perché riunire questi dati ha richiesto due anni
I dati di proteomica spaziale si combinano male da un laboratorio all'altro. Questa tecnica misura decine di proteine in un tessuto senza perderne la posizione. Mostra come le cellule tumorali e le cellule immunitarie vicine sono disposte e interagiscono.
Ogni laboratorio utilizza però i propri apparecchi, le proprie proteine bersaglio e i propri formati di file. Per spora, i ricercatori hanno selezionato migliaia di immagini, armonizzato le annotazioni delle proteine, incrociato i dati medici e identificato singole cellule. «La raccolta e l'armonizzazione dei dati tra coorti diverse richiedono un tempo considerevole», riassume Benedikt von Querfurth, dottorando all'EPFL e primo autore dello studio. Secondo lui, è un ostacolo importante sia per l'IA su larga scala sia per la biologia.
Un progetto della ricerca svizzera sull'IA per la salute
Il progetto riunisce diverse istituzioni svizzere e un partner europeo. Il team di Charlotte Bunne lavora nel Gruppo intelligenza artificiale in medicina molecolare dell'EPFL, affiliato alle facoltà di Scienze della vita e di Informatica e comunicazioni. Ha collaborato con l'Istituto europeo di bioinformatica del Laboratorio europeo di biologia molecolare (EMBL-EBI). Vi hanno partecipato specialisti dell'Ospedale universitario di Zurigo, dell'Università di Zurigo, degli Ospedali universitari di Ginevra e dell'Università di Ginevra.
Il finanziamento passa attraverso due programmi nazionali. spora è stato sviluppato nell'ambito della National AI Initiative for Precision Oncology (NAIPO), un'iniziativa dedicata all'IA nell'oncologia di precisione. I modelli di IA che lo accompagnano sono stati addestrati con risorse di calcolo della Swiss AI Initiative, secondo l'EPFL.
Quest'ultima è un progetto comune dei due politecnici federali. Come 2clics ha riferito nel suo articolo sugli specialisti dell'IA in Svizzera, il Politecnico federale di Zurigo (PFZ) e l'EPFL l'hanno lanciata per favorire lo sviluppo di tecnologie di IA nel Paese. Secondo la Neue Zürcher Zeitung (NZZ), ripresa da ICTjournal il 26 ottobre 2026, sostiene anche Apertus, un modello di IA aperto. Lo stesso articolo della NZZ attribuisce alla Svizzera la più alta concentrazione al mondo di specialisti dell'IA altamente qualificati.
L'apertura dei dati si inserisce in un dibattito più ampio. Nel nostro dossier su la robotica svizzera di fronte alla Cina, Jan Kerschgens, codirettore del Centro svizzero per la sovranità digitale, riteneva utile proseguire gli sforzi nei modelli di IA aperti. Il dossier rilevava inoltre che l'eccellenza scientifica non garantisce il successo industriale.
Spora e LogSync, due lavori recenti dell'EPFL
Nell'ottobre 2026 l'EPFL ha presentato un altro lavoro che unisce apprendimento automatico e salute: il chip neurale LogSync. Entrambi i progetti sono allo stadio della ricerca.
| spora | LogSync | |
|---|---|---|
| Presentazione da parte dell'EPFL | 28 ottobre 2026 | 23 ottobre 2026 |
| Natura | Atlante di dati tissutali e strumenti per addestrare e valutare modelli di IA | Chip impiantabile con un algoritmo di apprendimento automatico |
| Ambito | Ricerca sul cancro, in via prioritaria | Disturbi psichiatrici |
| Pubblicazione | NeurIPS 2026 | IEEE Journal of Solid-State Circuits |
| Dati | 13'546 immagini di 5477 pazienti | Registrazioni umane esistenti, test su un ratto |
| Applicazione clinica | Non annunciata, obiettivo a lungo termine | Non annunciata |
Risultato accertato, ipotesi o prospettiva
| Affermazione | Stato |
|---|---|
| Un atlante di 13'546 immagini, 14 tipi di tessuti e cinque tecnologie di imaging | Accertato, secondo l'EPFL |
| Strumenti per sviluppare e valutare modelli di IA su più studi | Accertato, forniti con l'atlante secondo l'EPFL |
| La più vasta raccolta di questo tipo ad accesso libero al mondo | Affermazione dell'EPFL |
| Modelli efficaci in uno studio falliscono spesso altrove | Constatazione del team, che motiva il progetto |
| Estensione ad altri tessuti, malattie e tecnologie di imaging | Auspicio del team |
| Prevedere meglio l'evoluzione della malattia e scegliere la terapia per ogni paziente | Prospettiva, secondo Charlotte Bunne |
Charlotte Bunne fissa l'obiettivo a lungo termine: «trasformare le conoscenze acquisite da migliaia di campioni tissutali in informazioni in grado di aiutare ogni singola paziente e ogni singolo paziente». Prevede di lavorarci con dei clinici. Il comunicato non annuncia né uno strumento diagnostico né una sperimentazione clinica.
Che cosa non si sa ancora
- Le condizioni di accesso: il comunicato dell'EPFL non precisa né la licenza dei dati né la procedura per ottenerli.
- Le prestazioni dei modelli di IA addestrati su spora: non sono quantificate nel comunicato.
- L'origine dei campioni: la quota di pazienti seguiti in Svizzera non è indicata.
- La protezione dei dati: il comunicato non spiega in dettaglio come le informazioni mediche siano state anonimizzate.
- Il calendario: non è indicata alcuna data per l'estensione ad altre malattie né per un uso presso i pazienti.
Fonti
- EPFL News, Tanya Petersen, «Un nouvel atlas tissulaire aidera l'IA à comprendre le cancer», 28 ottobre 2026
- B. von Querfurth, C. Bunne et al., «spora: A Unified Multimodal Dataset and Platform for Spatial Proteomics», NeurIPS 2026
