Melanoma, l’intelligenza artificiale individua in anticipo i soggetti a rischio

Un ampio studio condotto in Svezia suggerisce che l’intelligenza artificiale possa identificare in anticipo le persone con maggiore probabilità di sviluppare un melanoma, utilizzando esclusivamente dati sanitari già disponibili nei sistemi pubblici. I ricercatori hanno analizzato i registri sanitari dell’intera popolazione adulta svedese, includendo informazioni su età, sesso, diagnosi mediche, utilizzo di farmaci e condizioni socioeconomiche.

Il campione ha coinvolto 6.036.186 individui, tra i quali 38.582 persone, pari allo 0,64%, hanno sviluppato un melanoma nel periodo di osservazione di cinque anni. L’obiettivo dello studio era verificare se modelli avanzati di intelligenza artificiale potessero individuare precocemente i profili di rischio prima della comparsa dei sintomi clinici. I risultati indicano che l’analisi sistematica dei dati di routine può trasformarsi in uno strumento predittivo potente, il che apre la strada a programmi di prevenzione più mirati e a un possibile ripensamento delle strategie di screening dermatologico su scala nazionale.

Quando i dati sanitari diventano strumenti di previsione

Gran parte dell’analisi è stata guidata da Martin Gillstedt, dottorando presso l’Accademia Sahlgrenska dell’Università di Göteborg e statistico presso il Dipartimento di Dermatologia e Venereologia dell’Ospedale Universitario Sahlgrenska. “Il nostro studio dimostra che i dati già disponibili all’interno dei sistemi sanitari possono essere utilizzati per identificare gli individui a maggior rischio di melanoma”, spiega Gillstedt. Secondo il ricercatore, il valore innovativo dello studio non risiede nella raccolta di nuovi dati, ma nella capacità di utilizzare in modo strategico informazioni già presenti nei registri sanitari.

I ricercatori hanno confrontato diversi modelli predittivi, evidenziando differenze significative nelle prestazioni. Il modello più avanzato è stato in grado di distinguere correttamente tra persone che avrebbero sviluppato un melanoma e quelle che non lo avrebbero sviluppato nel 73% dei casi. L’utilizzo dei soli dati demografici di base, come età e sesso, raggiungeva invece un’accuratezza di circa il 64%. L’integrazione di variabili cliniche, farmacologiche e socioeconomiche ha permesso ai sistemi di intelligenza artificiale di identificare gruppi ristretti con un rischio nettamente superiore. In alcuni sottogruppi individuati dal modello, la probabilità di sviluppare un melanoma entro cinque anni arrivava fino al 33%, un dato che evidenzia il potenziale della medicina predittiva basata sui big data.

Screening mirati e uso più efficiente delle risorse

Lo studio, guidato anche da Sam Polesie, professore associato di Dermatologia e Venereologia presso l’Università di Göteborg, suggerisce che l’identificazione precoce dei soggetti ad alto rischio potrebbe cambiare radicalmente l’organizzazione dello screening dermatologico. “Le nostre analisi – afferma Polesie – suggeriscono che lo screening selettivo di piccoli gruppi ad alto rischio potrebbe portare sia a un monitoraggio più accurato sia a un uso più efficiente delle risorse sanitarie”. L’approccio proposto punta quindi a integrare i dati di popolazione nella medicina di precisione, supportando il lavoro clinico senza sostituirlo.

Intelligenza artificiale e medicina di precisione

L’utilizzo dell’intelligenza artificiale nei sistemi sanitari rappresenta un passaggio culturale prima ancora che tecnologico. Tradizionalmente, lo screening oncologico si basa su criteri generali legati all’età o a fattori di rischio noti, mentre i modelli sviluppati nello studio svedese dimostrano che la combinazione di molteplici variabili può produrre valutazioni individuali molto più accurate. Questo approccio consente di concentrare controlli e risorse sui pazienti realmente esposti a rischio elevato, riducendo esami inutili e migliorando l’efficienza complessiva del sistema.

Le sfide future

Nonostante i risultati promettenti, i ricercatori sottolineano che l’applicazione clinica richiederà ulteriori studi di validazione, valutazioni etiche e decisioni politiche. L’introduzione di sistemi predittivi basati su dati di popolazione implica infatti questioni legate alla privacy, alla governance dei dati e all’integrazione con i percorsi assistenziali esistenti.

Iscriviti alla Newsletter di Sanità Informazione per rimanere sempre aggiornato