L'AI prevede l'efficacia dell'immunoterapia per il cancro

Utile a capire quali sono i pazienti che rispondono meglio

Un team di ricerca dei National Institutes of Health ha messo a punto uno strumento di intelligenza artificiale che riesce a prevedere l'eventuale efficacia o meno di una terapia immunologica per la cura del cancro.
Lo studio, pubblicato su Nature Cancer, è stato realizzato da scienziati del National Cancer Institute guidati da Eytan Ruppin e da quelli del Memorial Sloan Kettering Cancer Center di New York diretti da Luc Morris.
La Fda ha approvato i primi due biomarcatori predittivi come indicatori dei pazienti candidabili al trattamento con inibitori del checkpoint immunitario. Il primo è il carico mutazionale del tumore, cioè il numero di mutazioni nel DNA delle cellule tumorali. Il secondo è PD-L1, una proteina delle cellule tumorali che limita l'evocazione della risposta immunitaria ed è già un bersaglio di alcuni inibitori del checkpoint immunitario.
I due biomarcatori, tuttavia, non sempre riescono a prevedere con accuratezza la risposta agli inibitori del checkpoint immunitario. Al contrario, i modelli più recenti di apprendimento mediato dall'intelligenza artificiale hanno mostrato un alto valore predittivo della risposta, ma si tratta di un tipo di dati costoso da ottenere.
Il nuovo studio mostra un nuovo tipo di apprendimento automatico, molto più efficiente e facile da implementare. Le previsioni sono basate su 5 elementi clinici che già di norma vengono raccolti nei pazienti: età e sesso, tipo di cancro, storia delle precedenti chemioterapie sistemiche seguite, dosaggio dell'albumina nel plasma e rapporto neutrofili/linfociti, che è un biomarcatore di risposta infiammatoria più sensibile del rapporto piastrine/linfociti nella valutazione della prognosi del cancro non asportabile chirurgicamente.
Il modello è frutto di dati provenienti da 2.881 pazienti trattati con inibitori del checkpoint immunitario e da altri 841 pazienti di controllo con 18 tipi di tumore solido.
Il modello è riuscito a prevedere con precisione la probabilità di un paziente di rispondere a un inibitore del checkpoint immunitario e la durata della sua sopravvivenza. Stando ai ricercatori, il modello è stato anche in grado di individuare i pazienti con un basso carico mutazionale del tumore, che potrebbero essere trattati efficacemente con l'immunoterapia.
Sono comunque necessari studi prospettici più ampi per valutare appieno le potenzialità di questo modello di intelligenza artificiale chiamato Logistic Regression-Based Immunotherapy-Response Score (LORIS).