- Sei qui:
-
Home
-
Miscellanea
- Identificare i pazienti eleggibili per un trial: il computer è più efficiente dell’uomo?
Identificare i pazienti eleggibili per un trial: il computer è più efficiente dell’uomo?
Gli strumenti di intelligenza artificiale possono aiutare a identificare i pazienti eleggibili per gli studi clinici aperti, e questo rappresenta un’opportunità sia per i pazienti che per gli studi stessi. Ma quanto sono efficienti i sistemi digitali? Una revisione sistematica condotta da colleghi canadesi fa il punto sull’argomento.
Ronald Chow, MS, Julie Midroni, Bsc, Jagdeep Kaur, Phd, Gabriel Boldt, MLIS, Geoffrey Liu, MD Msc, Lawson Eng, MD SM, Fei-Fei Liu, MD, Benjamin Haibe-Kains, Phd, Michael Lock, MD, Srinivas Raman, MD, Use of Artificial Intelligence for Cancer Clinical Trial Enrolment: A Systematic Review and Meta-Analysis, JNCI: Journal of the National Cancer Institute, 2023;, djad013,
In oncologia, la partecipazione a uno studio clinico rappresenta un’importante opportunità per i pazienti. In molti setting di malattia, lo studio clinico è un’utile alternativa all’opzione terapeutica percorribile come standard, e specialmente in pazienti che abbiano già ricevuto una o più linee di trattamento standard la partecipazione allo studio è spesso la via per accedere a trattamenti promettenti e non ancora disponibili nella pratica clinica.
Da anni, si cerca di ottimizzare strumenti che consentano la maggiore efficienza possibile nel facilitare l’inclusione del paziente negli studi. Ad esempio, motori di ricerca che consentano di consultare l’elenco degli studi disponibili per un determinato setting, insieme con la lista dei centri presso i quali lo studio è aperto. D’altra parte, è difficile che ciascun clinico abbia un quadro chiaro di tutti gli studi disponibili e dei rispettivi criteri di inclusione e di esclusione, quindi il processo “tradizionale” di valutazione rischia concretamente di essere poco efficiente. Da questo punto di vista, gli strumenti digitali di intelligenza artificiale, screenando le caratteristiche dei pazienti e incrociandole con i criteri di eleggibilità degli studi aperti rappresentano uno strumento molto promettente.
Allo scopo di descrivere la “performance” degli strumenti di intelligenza artificiale nello screening dei pazienti per l’inclusione in studi clinici, gli autori hanno realizzato una revisione sistematica della letteratura, provando anche a sintetizzare mediante metanalisi gli indici di accuratezza degli strumenti digitali.
I parametri impiegati per descrivere la performance degli strumenti di intelligenza artificiale (In tutti i casi in cui i numeri erano calcolabili dalla pubblicazione o eventualmente forniti dagli autori) sono stati:
- L’accuratezza (proporzione di pazienti nei quali l’intelligenza artificiale produceva una decisione corretta relativamente all’inclusione nello studio);
- la sensibilità (proporzione di pazienti correttamente indicati come eleggibili tra tutti quelli potenzialmente eleggibili);
- la specificità (proporzione di pazienti correttamente indicati come non eleggibili, tra tutti quelli effettivamente non eleggibili);
- il valore predittivo positivo (proporzione di pazienti effettivamente eleggibili tra tutti quelli indicati come eleggibili dal sistema di intelligenza artificiale);
- il valore predittivo negativo (proporzione di pazienti effettivamente non eleggibili, tra tutti quelli indicati come non eleggibili dal sistema di intelligenza artificiale).
Nel complesso, gli autori hanno identificato 10 articoli, per un totale di oltre 50000 pazienti inclusi in 19 database.
In tutti i database tranne che in uno, l’accuratezza, la sensibilità e la specificità sono risultate superiori all’80%.
Il valore predittivo positivo è risultato superiore all’80% in 5 di17 database.
Il valore predittivo negativo è risultato superiore all’80% in tutti i database.
Complessivamente, la sensibilità è risultata pari al 90.5% (intervallo di confidenza al 95% 70.9% - 97.4%), mentre la specificità è risultata pari al 99.3% (intervallo di confidenza al 95% 81.8% - 99.9%).
In 4 pubblicazioni era affrontato il tema del risparmio di tempo, e in quei lavori gli autori hanno evidenziato che l'impiego dell'intelligenza artificiale era efficiente in termini di risparmio di tempo.
Commentando i risultati sopra sintetizzati, gli autori concludono che l’intelligenza artificiale dimostra di essere paragonabile, se non superiore, allo screening tradizionale “manuale” per l’inclusione dei pazienti negli studi clinici oncologici. Come atteso, le procedure di intelligenza artificiale hanno il vantaggio di richiedere meno tempo e risorse umane rispetto alle procedure tradizionali, per screenare i pazienti potenzialmente eleggibili.
Se ragioniamo nell’ottica di evitare che un paziente potenzialmente eleggibile per uno studio clinico perda l’opportunità di essere screenato, una procedura di identificazione dei casi potenzialmente eleggibili dovrebbe avere massima sensibilità (evitare i casi “falsi negativi”, vale a dire evitare di non identificare un caso potenzialmente eleggibili), anche a costo di essere meno specifica. Il valore predittivo negativo ottimale garantisce questo aspetto.
Probabilmente, nel prossimo futuro, grazie alla diffusione delle cartelle cliniche elettroniche, sistemi digitali di “screening” delle caratteristiche dei pazienti potranno essere utilmente applicati anche alla valutazione di eleggibilità per studi clinici. Da questo punto di vista, l’implementazione e l’aggiornamento di database aggiornati con gli studi aperti, non soltanto presso il singolo centro ma anche in altre strutture, rappresenterà uno step essenziale per ottimizzare le chance di partecipazione ad una sperimentazione clinica.
