- Sei qui:
-
Home
-
Patologia gastrointestinale
- Tumore del colon: sarà l’intelligenza artificiale a decidere la terapia adiuvante?
Tumore del colon: sarà l’intelligenza artificiale a decidere la terapia adiuvante?
Uno studio internazionale sviluppa un modello avanzato di machine learning in grado di predire il beneficio dall’utilizzo di oxaliplatino in setting adiuvante. Nel prossimo futuro i sistemi di intelligenza artificiale potranno sostituire gli attuali fattori prognostici nella scelta del trattamento?
Chen L, et al. Machine Learning Predicts Oxaliplatin Benefit in Early Colon Cancer. J Clin Oncol 2024, 5 Feb, epub ahead of print.
Per molti anni è stato dibattuto quale fosse la migliore modalità di scelta riguardo la terapia adiuvante per pazienti radicalmente operati di tumore del colon. Certamente, nel bilancio di rischi e benefici per il singolo soggetto è necessario considerare accuratamente i parametri istopatologici della malattia (T, N, numero dei linfonodi coinvolti, grading, CdX2…), riflettere sulle conoscenze del profilo molecolare delle cellule neoplastiche (mutazioni di RAS o BRAF), ricordare le modalità di presentazione della malattia, i fattori biochimici preoperatori, le caratteristiche cliniche del paziente (età, performance status, comorbidità, ecc…) e più recentemente valutare anche presenza di ctDNA dopo la chirurgia radicale. Tuttavia, non si è mai stabilita una chiara gerarchia negli elementi di scelta né è stato definito un inattaccabile algoritmo applicabile alla pratica clinica.
Le applicazioni operative dell’intelligenza artificiale stanno rapidamente avanzando in sanità e gli innovativi strumenti derivati dal machine learning o dal deep learning possono tradursi in innemerevoli vantaggi per i pazienti oncologici: dalle chatbot per la ricerca di informazioni, ai sistemi che ottimizzano la scelta terapeutica alle applicazioni nella ricerca clinica e preclinica.
In questo contesto, va anche ricordato che oltre alla scelta della durata della terapia (3 vs 6 mesi) anche la sua composizione conta, nota la possibile neurotossicità acuta e cronica dell'oxaliplatino. Non esistendo dei modelli predittivi per stimare il beneficio da oxaliplatino, lo studio recentemente pubblicato sviluppa un modello di machine learning chiamato COLOXIS basato su informazioni di trascrittomica tumorale e di gene expression profiling, che ha come assunto il fatto che tali informazioni possano predire beneficio a farmaci antineoplastici. Il modello è stato testato sfruttando le informazioni cliniche di una coorte di oltre 1.000 pazienti operati per adenocarcinoma del colon in stadio II e III e arruolati in due trial randomizzati (NSABP C-07 e C-08).
Il modello ha suddiviso in modo dicotomico la popolazione in due gruppi: COLOXIS+ (pazienti per i quali ci si aspetta uin beneficio da oxaliplatino) e COLOXIS- (pazienti nei quali non ci si aspetta beneficio dall'oxaliplatino); i due gruppi sono stati confrontati in RFS e OS con la variabile della terapia ricevuta.
I due gruppi di pazienti (COLOXIS+ n=526 vs COLOXIS- n=539) differivano per una maggiore prevalenza di casi dMMR nel gruppo COLOXIS- (177 vs 94), ma non avevavano significative differenze basali riguardo ad altri fattori prognostici.
Il modello era predittivo per beneficio da oxaliplatino nei casi COLOXIS+ con un vantaggio assoluto in termini di RFS di circa 10 punti percentuali (RFS 79.7% se trattati con oxaliplatino vs 69.3% se trattati con solo 5-FU; HR 0.65, 95%CI 0.48-0.89, p=0.0065), ma non per i casi COLOXIS- (HR 1.08, 95%CI 0.77-1.52, p=0.65), per i quali non si registravano significative differenze in RFS in dipendenza della terapia ricevuta.
Inoltre, la classificazione dicotomica aveva un valore prognostico nei pazienti trattati con sola fluoropirimidina: la RFS a 8 anni era pari al 69% nei pazienti COLOXIS+ e al 80% nei pazienti COLOXIS-, indicando una prognosi meno favorevole in caso di positività del modello.
Il beneficio dell'oxaliplatino stimato con il modello COLOXIS era maggiore per lo stadio III rispetto allo stadio II, dove un modesto beneficio era comunque evidente per i COLOXIS+ ma a causa del basso numero di eventi non raggiungeva la significatività statistica. Nel gruppo COLOXIS-, invece, il beneficio dall'aggiunta di oxaliplatino non era evidente né per stadio II né per stadio III.
Raffinato gioco tecnologico o reale modello di algoritmo predittivo di machine learning per stimare il beneficio di un trattamento chemioterapico?
Lo studio dimostra che è possibile l'applicazione dell'IA nella predizione del potenziale vantaggio di farmaci specifici, basato su un approccio data-driven che si fonda sul gene expression profiling tumorale. I risultati dello studio MOSAIC e C-07 diostrano che il 10% circa dei pazienti si beneficiano dal trattamento con fluoropirimidina e oxaliplatino e il modello conferma che quasi tutti i soggetti che ne beneficiano rientrano nel gruppo COLOXIS+.
Certamente, rifinire la scelta terapeutica ottimale per il paziente operato radicalmente di adenocarcinoma del colon early stage non è un processo banale: dapprima va stimata la chance che il trattamento adiuvante sia utile, poi va deciso quale sia il miglior trattamento da proporre. Mentre nella prima parte della scelta gli studi sul ctDNA postoperatorio stanno cambiando la pratica clinica, lo studio suggerisce come l'applicazione del machine learning - sebbene non immediata - possa dare un contributo alla seconda parte del processo decisionale, evitando costi sanitari e tossicità non necessarie.
