Recentemente l’intelligenza artificiale ha offerto nuovi strumenti per coadiuvare il trattamento e la prevenzione di molte patologie anche gravi, anche in ambito oncologico.
In particolare, molto promettente e rilevante per la salute della donna è l’esperienza dell’impiego di tecnologie di machine learning per creare uno strumento per prevedere il successo della terapia chemioterapica in caso di tumore dell’ovaio. Dunque, utile per scegliere in modo tempestivo e competente la cura più adatta a ciascuna paziente.
Ecco come le soluzioni coadiuvate dall’AI in oncologia come Iron permettono di decidere se serve la chemioterapia o se è urgente l’intervento chirurgico.
Indice degli argomenti
L’AI in oncologia: il caso della chemioterapia per il tumore dell’ovaio
In un articolo pubblicato a fine 2023 nella rivista scientifica Nature Communication, dal titolo “Integrated radiogenenomics models predict response to neoadjuvant chemotherapy in high rate serous ovarian cancer” [1], un team di ricercatori, che ha coinvolto tra gli altri anche esperti dell’università Cattolica di Roma, il Policlinico A. Gemelli IRCCS, tra cui Evis Sala e Mirela Crispin-Ortuzar dell’università di Cambridge [2], ha fatto luce sull’uso dell’AI in oncologia, nella cura e prevenzione del tumore dell’ovaio.
La scoperta consiste nella costruzione ad hoc di uno strumento di intelligenza artificiale basato sul machine learning, che, sulla base di una serie di dati riguardanti la paziente e la sua patologia, è in grado di predire il successo, in termini di riduzione di volume delle lesioni tumorali, della terapia chemioterapica nell’80% delle pazienti con tumori ovarici con l’accuratezza dell’80%.
Questa percentuale è molto superiore a quelle riferibili ad altri strumenti clinici attualmente in uso.
Lo strumento è stato chiamato Iron (Integrated radiogenomics for ovarian neoadjuvant therapy).
A cosa serve Iron, lo strumento di AI in oncologia
Iron si fonda sulle seguenti informazioni riguardanti la paziente: dati demografici generali (età, stato di salute, altezza, peso eccetera); i dati clinici; quelli su Dna tumorale circolante nel sangue ctDNA (ricavato con biopsia liquida) con i biomarcatori come CA-125; i marker tumorali e le immagini della malattia acquisite con la Tac su siti tumorali primari e metastatici.
Sulla base dell’analisi avanzata delle immagini Tac sono emersi anche sei sottogruppi di pazienti con caratteristiche biologiche e cliniche distinte, rilevanti per la risposta alla terapia.
L’uso degli algoritmi predittivi
Sulla base di questi dati di input e delle attuali conoscenze riguardo la cura dei tumori dell’ovaio, sono stati usati in algoritmi di intelligenza artificiale che hanno dato vita ad un modello di analisi dei dati che offre una previsione sulla percentuale di successo, in termini di riduzione della massa del tumore, prevista per la paziente grazie alla terapia chemioterapica.
Machine learning e addestramento del modello
Come precedentemente sottolineato, nel processo di implementazione il modello è stato addestrato attraverso processi di machine learning e testato per capirne l’efficacia a Cambridge presso l’ospedale universitario su un campione di 134 pazienti, divise in tre distinti set di dati indipendenti: un training set di 72 pazienti, un set di hold-out interno di 20 casi per validare il modello, per un totale di 92 pazienti dell’Addenbrooke Hospital e un set indipendente di 42 pazienti esterne del Barts Health NHS Trust.
La capacità predittiva di Iron
Questo tipo di tumore è in genere localizzato in zona omentale e pelvico/ovarica. In letteratura i depositi nell’omento hanno dimostrato una risposta significativamente migliore alla terapia neoadiuvante rispetto alla malattia pelvica.
Inoltre, le mutazioni tumorali (es. TP53 MAF analizzata su DNA circolante), e il marcatore CA-125 erano correlati con il carico complessivo della malattia prima del trattamento e alla risposta alla terapia.
La previsione di Iron serve a identificare con accuratezza quali pazienti probabilmente risponderanno in modo tempestivo alla chemioterapia e quali no. Nel caso ci si trovi di fronte a pazienti che probabilmente non risponderanno alla terapia neoadiuvante si dovrebbe immediatamente indirizzarle all’intervento chirurgico senza perdere inutilmente tempo.
La criticità del tumore all’ovaio
Il tumore all’ovaio in effetti colpisce ogni anno in Italia più di cinquemila donne, che si aggiungono alle circa oltre trentamila già sotto trattamento. L’aspetto problematico è che nelle fasi precoci esso non manifesta sintomi specifici per cui spesso la diagnosi giunge tardi quando la malattia è in stadio piuttosto avanzato e con metastasi diffuse.
Il carcinoma ovarico sieroso di alto grado (High grade serum ovarian carcinoma – HGSOC) è una delle forme più aggressive e più frequenti tra i tumori ovarici (70-80 %) e spesso si accompagna a resistenza ai farmaci chemioterapici (neoadjuvant chemotherapy Nact). Significa che senza Iron la risposta alle terapie è predetta con una accuratezza massima del 50%.
Questo, unito al fatto che per questa forma tumorale ci sono pochissimi biomarcatori utilizzabili, perché la malattia si manifesta in modo molto eterogeneo, ha spinto a cercare soluzioni coadiuvate dall’AI come quella al centro di questo studio.
Anche se l’indagine fa riferimento a un numero non particolarmente elevato di pazienti, la sperimentazione è proseguita e la tecnica approfondita.
Prospettive future
Come dimostra anche questo studio, gli strumenti di AI applicata alla sanità sono un valido aiuto nel trattamento e, in altri casi, prevenzione di patologie, perché consentono di non perdere tempo prezioso e per trovare la cura più adeguata alle specifiche caratteristiche di pazienti e patologia.
Dunque è importante investire e rendere sempre più frequente e capillare l’impiego dell’AI, così da trovare modelli sempre più articolati e raffinati di indagine da addestrare per poter essere utilizzati su quante più persone possibile.
Tuttavia, occorre sottolineare che questi strumenti spesso funzionano solo in determinate condizioni e per taluni tipi di patologia, più che in altri, proprio come in questo specifico caso.
Questi strumenti rivestono dunque un ruolo per coadiuvare e non sostituire la diagnosi e le scelte di appropriatezza della cura.
Bibliografia
[1] Modelli di radiogenomica integrati prevedono la risposta alla chemioterapia neoadiuvante nel carcinoma ovarico sieroso ad alto tasso.
[2] Gli autori dell’articolo citato sono: la dott.ssa Mireia Crispin-Ortuzar, Ramona Woitek, Marika A. V. Reinius, Elizabeth Moore, Lucian Beer, Vlad Bura, Leonardo Rundo, Cathal McCague, Stephan Ursprung, Lorena Escudero Sanchez, Paula Martin-Gonzalez, Florent Mouliere, Dineika Chandrananda, James Morris, Teodora Goranova, AnnaM. Piskorz, Naveena Singh, Anju Sahdev, Roxana Pintican, Marta Zerunian, Nitzan Rosenfeld, Helen Addley, Mercedes Jimenez- Linan, Florian Markowetz, la prof. Evis Sala & James D. Brenton
