Un algoritmo analizza immagini tumorali di routine e prevede quali pazienti trarranno vantaggio dalla chemioterapia, favorendo cure più personalizzate e meno invasive.
Prendere decisioni personalizzate per le pazienti con tumore al seno rappresenta da sempre una sfida complessa per l’oncologia. Alcune donne ricevono la chemioterapia senza trarne benefici significativi, esponendosi agli effetti collaterali tipici di questo trattamento, mentre altre, che potrebbero beneficiarne, rischiano decisioni conservative basate su criteri generali.
Una recente ricerca israeliana, intitolata “AI-based prediction of chemotherapy benefit in breast cancer” e condotta dal Technion – Israel Institute of Technology, affronta proprio questa questione. Lo studio, pubblicato sulla rivista Nature Medicine, mostra come un modello di intelligenza artificiale possa analizzare le immagini istopatologiche raccolte durante la diagnosi e prevedere sia il rischio di recidiva sia l’effettivo beneficio della chemioterapia. Questo approccio si basa su dati già disponibili nelle cartelle cliniche, rendendolo accessibile, rapido e potenzialmente meno costoso rispetto ai tradizionali test genetici.
Come funziona il modello e i vantaggi clinici
Il sistema di AI sviluppato dal Technion analizza le caratteristiche microscopiche dei tessuti tumorali, individuando pattern sottili che possono sfuggire all’occhio umano. Attraverso algoritmi di apprendimento profondo, il modello crea una stima personalizzata del rischio di recidiva e del vantaggio terapeutico della chemioterapia. In pratica, riesce a distinguere tra pazienti che trarrebbero un reale beneficio e quelle per cui il trattamento potrebbe risultare superfluo o addirittura dannoso.
Gli autori dello studio hanno validato l’algoritmo su migliaia di campioni provenienti da diverse coorti cliniche, dimostrando un’accuratezza comparabile, e in alcuni casi superiore, a quella dei test genomici attualmente utilizzati.
La possibilità di utilizzare semplici immagini istopatologiche significa anche che le decisioni possono essere integrate più rapidamente nella pratica clinica, senza necessità di procedure aggiuntive complesse o costose. In questo modo, l’AI non sostituisce il medico, ma diventa uno strumento di supporto decisionale capace di personalizzare i trattamenti, ridurre gli effetti collaterali inutili e ottimizzare le risorse sanitarie.
Implicazioni future e prospettive di oncologia personalizzata
L’adozione di modelli di intelligenza artificiale come quello del Technion apre scenari importanti per l’oncologia di precisione. La capacità di prevedere il beneficio della chemioterapia a partire da dati di routine potrebbe ridurre trattamenti inutili, migliorare la qualità della vita delle pazienti e concentrare l’attenzione clinica su chi ne ha realmente bisogno. Inoltre, il metodo è scalabile: con l’integrazione nei sistemi ospedalieri e l’uso di dispositivi digitali standardizzati, l’AI potrebbe essere applicata su larga scala, rendendo più omogenee e basate su evidenze le decisioni terapeutiche.
Tuttavia, gli autori sottolineano che ulteriori studi clinici e monitoraggi a lungo termine sono necessari prima di un’implementazione su vasta scala. Sarà fondamentale valutare come il modello performi in contesti diversi, con differenti sottotipi tumorali e popolazioni eterogenee.
Iscriviti alla Newsletter di Sanità Informazione per rimanere sempre aggiornato