Spiega il dottor Luc Morris, autore della ricerca pubblicata su Nature Medicine: “Intendevamo approntare un modello per guidare le decisioni terapeutiche utilizzando dati clinici acquisibili con estrema facilità”. Il rimando è al sistema di intelligenza artificiale “Scorpio”, sviluppato dai ricercatori del Memorial Sloan Kettering Cancer Center e del Tisch Cancer Institute del Mount Sinai a New York. Parliamo di un modello di IA capace di prevedere se un paziente oncologico otterrà beneficio dalla terapia con inibitori del checkpoint immunitario (ICI). Come spiega la Fondazione Airc, si tratta di “anticorpi monoclonali che, per così dire, tolgono i freni al sistema immunitario, il quale può così agire contro il tumore”.
Pertanto – prosegue la Fondazione – di inibitori “che hanno già rivoluzionato il trattamento di alcuni tipi di cancro, in particolare del melanoma e del tumore del polmone, prolungando la sopravvivenza di pazienti che prima non avevano altre possibilità terapeutiche”. Rappresentando uno sviluppo che potrebbe rivelarsi decisivo nella terapia oncologica e nella modulazione della risposta immunitaria. A questo proposito, il dottor Morris ammette che il “Memorial Sloan Kettering” (MSK) collaborerà con ospedali e centri oncologici sparsi nel mondo per testare “Scorpio” su dati provenienti da contesti clinici differenti. Per migliorare ulteriormente, grazie ai feedback, l’innovativo modello di intelligenza artificiale.
Nuova frontiera dell’oncologia
Imparando e migliorando le performance con l’esperienza, grazie agli esempi di cui dispone, l’apprendimento automatico permette di sfruttare un grande volume di dati, inclusi quelli relativi a farmaci e molecole, per costruire automaticamente “modelli complessi”. Ed è proprio in questo solco che si inserisce il modello di machine learning “Scorpio”, capace di analizzare dati di emocromi e profili metabolici completi, ma anche caratteristiche cliniche di circa 10.000 pazienti (affetti da 21 diversi tipi di tumore) trattati con inibitori del checkpoint immunitario.
Ebbene, dai risultati dello studio emerge che “Scorpio” è più accessibile rispetto ai due biomarcatori predittivi approvati della Food and Drug Administration (FDA) statunitense per l’impiego come indicatori dei pazienti che potrebbero essere designati al trattamento con inibitori del checkpoint immunitario. Nel dettaglio, il primo biomarcatore di risposta è il carico mutazionale del tumore (“tumor mutational burden”, TMB), ad indicare il numero di mutazioni nel DNA delle cellule tumorali; il secondo è PD-L1 (“programmed death-ligand 1”), una proteina delle cellule tumorali che circoscrive l’evocazione della risposta immunitaria e rappresenta già un bersaglio di alcuni inibitori del checkpoint immunitario.
I numeri di “Scorpio”
Tra 2.511 pazienti affetti da tumore, il modello di IA “Scorpio” ha raggiunto un valore medio di area sotto la curva ROC (Receiver Operating Characteristics) –
che misura l’accuratezza di un test diagnostico lungo l’intero range dei valori possibili – pari a 0.763 e 0.759 per la previsione della sopravvivenza complessiva a intervalli di tempo compresi tra 6 e 30 mesi. Di contro, il “tumor mutational burden” ha ottenuto valori medi di 0.503 e 0.543. Ma non è tutto. “Scorpio” è riuscito a dimostrare un più elevato grado di precisione nel prevedere la risposta del tumore oppure una stabilità prolungata, presentando valori AUC – l’area sotto una curva ROC – di 0.714 e 0.641, contro i valori del TMB (0.546 e 0.573).
Come emerge dallo studio, predire la risposta di un paziente ai farmaci è tra le sfide più complesse della medicina di precisione. E rientra (appunto) nei maggiori campi di applicazione dell’intelligenza artificiale nelle sperimentazioni cliniche. Nel 2022, gli scienziati della Pohang University of Science and Technology (Corea del Sud) hanno sottoposto all’IA una serie di dati relativi all’espressione genica di oltre 700 pazienti affetti da carcinoma alla vescica, tumore dello stomaco e da un melanoma e che erano stati curati attraverso l’immunoterapia. Come si legge su Nature Communications, l’algoritmo è riuscito sia a predire correttamente la risposta dei pazienti alle cure sia a restituire indicazioni specifiche per ogni tipo di neoplasia.
Riferimenti:
- https://www.nature.com/articles/s41591-024-03398-5
- https://www.fda.gov/drugs/drug-approvals-and-databases/fda-approves-pembrolizumab-adults-and-children-tmb-h-solid-tumors
- https://www.fda.gov/drugs/resources-information-approved-drugs/fda-approves-atezolizumab-first-line-treatment-metastatic-nsclc-high-pd-l1-expression
- https://www.nature.com/articles/s41467-022-31535-6
