Secondo un nuovo studio pubblicato su Nature Medicine , gli strumenti di intelligenza artificiale (IA) possono aiutare i medici a prevedere l’esito del trattamento e la sopravvivenza nei pazienti con carcinoma polmonare non a piccole cellule (NSCLC) in stadio avanzato trattati con immunoterapia. Lo studio riporta i risultati del progetto I3LUNG , un ampio studio internazionale volto a migliorare l’attuale trattamento del NSCLC metastatico sviluppando modelli predittivi basati sull’IA in grado di aiutare a determinare il miglior approccio terapeutico per ogni singolo paziente.
L’immunoterapia, un trattamento antitumorale che potenzia e sfrutta il sistema immunitario del paziente contro le cellule tumorali, ha rivoluzionato la cura del tumore al polmone, ottenendo benefici a lungo termine nel 20-30% dei pazienti. Tuttavia, la maggior parte dei pazienti sviluppa resistenza al trattamento e i medici non sono ancora in grado di prevedere con certezza quali pazienti trarranno beneficio dall’immunoterapia. Attualmente, le decisioni terapeutiche si basano in gran parte sull’espressione del PD-L1, un biomarcatore con limiti ben noti.
“Abbiamo bisogno di strumenti più intelligenti”, ha affermato la prof.ssa Marina Chiara Garassino, oncologa toracica , docente di medicina presso l’UChicago Medicine e autrice senior dello studio.
Biomarcatori predittivi più accurati potrebbero identificare, già al momento della diagnosi, quali pazienti hanno maggiori probabilità di rispondere all’immunoterapia, evitando tossicità e costi superflui. Migliorare la capacità di effettuare queste previsioni può aiutare i medici a personalizzare meglio i trattamenti per i singoli pazienti. Il progetto I3LUNG si è posto l’obiettivo di sviluppare e validare strumenti di intelligenza artificiale a supporto delle decisioni relative all’immunoterapia nel carcinoma polmonare non a piccole cellule in stadio avanzato.
Per lo studio, il team di ricerca internazionale ha reclutato 2.396 pazienti affetti da NSCLC in stadio avanzato, trattati con immunoterapia in sei centri in Italia, Germania, Grecia, Israele, Spagna e Stati Uniti. Nella prima fase del progetto, il team ha integrato in un database diverse tipologie di dati, tra cui dati clinici, di imaging, patologici e genomici, relativi a ciascun paziente. Successivamente, ha sviluppato e testato due famiglie di modelli di intelligenza artificiale, addestrati per prevedere la risposta al trattamento e la sopravvivenza, utilizzando tutti i dati raccolti.
I ricercatori hanno scoperto che i loro modelli di intelligenza artificiale superavano costantemente tutti i biomarcatori clinici standard. L’Area Under the Curve (AUC) è una metrica di apprendimento automatico che quantifica la capacità di un modello di intelligenza artificiale di classificare correttamente le informazioni o, in questo caso, di prevedere con precisione gli esiti di sopravvivenza. I punteggi compresi tra 0,8 e 0,9 sono considerati “eccellenti”. Nello studio I3LUNG, il modello di intelligenza artificiale che utilizzava dati clinici ed ematici ha raggiunto un punteggio AUC di 0,77, mentre il modello che integrava dati clinici ed ematici con immagini e patologia digitale ha raggiunto un punteggio AUC di 0,88.
Parte dello studio ha testato cosa accade quando gli esseri umani collaborano con gli strumenti di intelligenza artificiale. Venti medici – 10 esperti in tumore al polmone e 10 di altre specialità – hanno esaminato 100 casi clinici reali, prima senza e poi con il supporto dell’IA. L’accesso allo strumento di IA ha migliorato la sensibilità nell’identificazione dei pazienti responsivi, passando da un’AUC di 0,72 a 0,87. I medici non esperti in tumore al polmone hanno mostrato i miglioramenti maggiori, un risultato di diretta rilevanza per gli ambulatori oncologici territoriali, dove la competenza in ambito toracico può essere limitata. La concordanza tra i medici è aumentata da lieve a moderata, suggerendo che lo strumento promuove anche un ragionamento clinico più coerente a diversi livelli di esperienza.
“Questo allineamento tra logica artificiale e logica clinica è essenziale per costruire fiducia nel processo decisionale assistito dall’IA”, ha affermato Garassino.
Lo studio attuale ha riportato la fase retrospettiva del progetto. I3LUNG sta ora reclutando in modo prospettico più di 2.000 pazienti negli stessi sei centri internazionali, consentendo ai ricercatori di concentrarsi sull’ottimizzazione del trattamento. Hanno affermato che questa dimensione è importante perché la valutazione dei modelli di intelligenza artificiale dovrebbe considerare non solo le prestazioni del modello, ma anche la sua usabilità in ambito clinico.
“I3LUNG stabilisce un nuovo punto di riferimento per l’intelligenza artificiale in oncologia toracica. Gli strumenti di supporto decisionale, creati anche a partire da dati clinici di routine, possono superare le prestazioni dei biomarcatori su cui facciamo affidamento oggi”, ha affermato Garassino. “Per i pazienti, questo significa meno opportunità mancate di beneficiare del trattamento. Per i medici di base, significa accesso a una guida di livello specialistico direttamente al momento della visita. Per il settore, fornisce un quadro di riferimento rigoroso, equo e trasparente, validato in diversi sistemi sanitari e popolazioni, che può fungere da piattaforma globale per la prossima generazione di immunoterapia di precisione”.
Nature Medicine: “Clinical Validation of a Multimodal AI Tool to Support Immunotherapy Decisions in NSCLC,”
