Il metodo basato sull’intelligenza artificiale può aiutare a prevedere le recidive di melanoma in fase iniziale

Il metodo basato sull’intelligenza artificiale può aiutare a prevedere le recidive di melanoma in fase iniziale

La maggior parte dei decessi dovuti al melanoma, la forma più mortale di cancro della pelle, si verificano in pazienti a cui è stato inizialmente diagnosticato un melanoma in stadio iniziale e successivamente hanno avuto una recidiva, che in genere non viene rilevata finché non si è diffusa o ha metastatizzato.

Un team guidato da ricercatori del Massachusetts General Hospital (MGH) ha recentemente sviluppato un metodo basato sull’intelligenza artificiale per prevedere quali pazienti hanno maggiori probabilità di avere una recidiva e quindi di beneficiare di un trattamento aggressivo. Il metodo è stato convalidato in uno studio pubblicato su npj Precision Oncology.

La maggior parte dei pazienti con melanoma in stadio iniziale vengono trattati con un intervento chirurgico per rimuovere le cellule tumorali, ma i pazienti con cancro avanzato spesso ricevono inibitori del checkpoint immunitario, che sono efficaci nel potenziare la risposta immunitaria contro le cellule tumorali ma hanno anche effetti collaterali significativi.

C’è un urgente bisogno di sviluppare strumenti predittivi per assistere nella selezione di pazienti ad alto rischio per i quali i benefici degli inibitori dei checkpoint immunitari giustificherebbero l’alto tasso di eventi immunologici avversi patologici e potenzialmente fatali osservati con questa classe di terapie”.

Yevgeniy R. Semenov, MD, autore senior, ricercatore, Dipartimento di Dermatologia presso MGH

“Una previsione affidabile della recidiva del melanoma può consentire una selezione più accurata del trattamento per l’immunoterapia, ridurre la progressione della malattia metastatica e migliorare la sopravvivenza del melanoma riducendo al minimo l’esposizione alle tossicità del trattamento”.

Per raggiungere questo obiettivo, Semenov e i suoi colleghi hanno valutato l’efficacia di algoritmi basati sull’apprendimento automatico, una branca dell’intelligenza artificiale che utilizza i dati delle cartelle cliniche elettroniche per prevedere la recidiva del melanoma.

Nello specifico, il team ha raccolto 1.720 melanomi in stadio iniziale – 1.172 dal Mass General Brigham Healthcare System (MGB) e 548 dal Dana-Farber Cancer Institute (DFCI) – ed ha estratto 36 caratteristiche cliniche e patologiche di questi tumori dalle cartelle cliniche elettroniche per prevedere il rischio di recidiva dei pazienti con algoritmi di apprendimento meccanico. Gli algoritmi sono stati sviluppati e convalidati utilizzando diversi set di pazienti MGB e DFCI e lo spessore del tumore e il tasso di divisione delle cellule tumorali sono stati identificati come le caratteristiche più predittive.

“La nostra piattaforma completa di previsione del rischio, che utilizza nuovi approcci di apprendimento automatico per determinare il rischio di recidiva di melanoma in fase iniziale, ha raggiunto un elevato livello di classificazione e precisione di previsione del tempo intercorrente tra l’evento e l’evento”, afferma Semenov. “I nostri risultati suggeriscono che gli algoritmi di apprendimento automatico possono estrarre segnali predittivi dalle caratteristiche clinicopatologiche per la previsione della recidiva del melanoma in stadio iniziale, il che consentirà l’identificazione di pazienti che potrebbero trarre beneficio dall’immunoterapia adiuvante”.

Fonte:

Ospedale generale del Massachusetts

Riferimento:

Wan, G., et al. (2022) Previsione della recidiva di melanoma in stadio iniziale basata su caratteristiche cliniche e istopatologiche. npj Oncologia di precisione. doi.org/10.1038/s41698-022-00321-4.

.