Un modello basato su otto variabili cliniche preoperatorie può stimare il rischio di mortalità tumore-specifica nei pazienti con carcinoma renale non metastatico.
Non tutti i tumori del rene presentano la stessa evoluzione: pazienti con caratteristiche cliniche apparentemente simili possono avere prognosi molto diverse dopo l’intervento chirurgico. Individuare già prima dell’operazione le persone con un rischio più elevato di malattia aggressiva rappresenta quindi una delle principali sfide dell’urologia oncologica. Per rispondere a questa esigenza, un gruppo multidisciplinare dell’Università Vita-Salute San Raffaele e dell’Istituto di Ricerca Urologica (URI) dell’IRCCS Ospedale San Raffaele, in collaborazione con l’Unità di Chirurgia Robotica Urologica e Trapianto Renale dell’Università di Firenze e dell’Ospedale Careggi, ha sviluppato un modello di intelligenza artificiale capace di stimare, prima della chirurgia, il rischio di mortalità specificamente legata al tumore nei pazienti con carcinoma renale non metastatico.
Lo studio, pubblicato su Nature Communications, è stato condotto utilizzando dati clinici reali dei pazienti del San Raffaele e successivamente validato su una coorte indipendente proveniente da un altro centro. I risultati hanno mostrato prestazioni superiori rispetto a quelle dei principali modelli prognostici attualmente disponibili.
Il carcinoma a cellule renali è la forma più frequente di tumore del rene e, per la malattia localizzata, la chirurgia rimane il trattamento di riferimento. Tuttavia, circa un paziente su tre sviluppa una recidiva o una progressione della malattia. Riconoscere in anticipo i soggetti maggiormente a rischio potrebbe quindi aiutare a orientare l’intero percorso terapeutico, dalla scelta della strategia chirurgica alla sorveglianza dopo l’intervento, fino all’eventuale ricorso a trattamenti sistemici. “Nella pratica clinica osserviamo ogni giorno pazienti che, pur con tumori apparentemente simili, possono avere prognosi molto diverse”, spiega il dottor Alessandro Larcher, medico urologo dell’Unità Operativa di Urologia dell’IRCCS Ospedale San Raffaele. “Disporre di uno strumento capace di stimare il rischio già prima dell’intervento significa poter aggiungere un elemento oggettivo alla valutazione clinica, a supporto di decisioni sempre più personalizzate. Il modello non sostituisce il giudizio del medico, ma nasce per affiancarlo”.
Otto variabili cliniche e un sistema di intelligenza artificiale interpretabile
Il modello utilizza soltanto otto informazioni già disponibili nella normale pratica assistenziale prima dell’intervento: la dimensione del tumore, l’interessamento dei linfonodi, i livelli di emoglobina, la conta piastrinica, la funzionalità renale, l’età, l’indice di massa corporea e il performance status, cioè una misura clinica standardizzata delle condizioni generali del paziente.
L’algoritmo è stato sviluppato analizzando una coorte di 2.536 pazienti trattati negli ultimi anni al San Raffaele ed è stato poi validato su un gruppo indipendente di 580 pazienti dell’Azienda Ospedaliero-Universitaria Careggi di Firenze. La validazione esterna costituisce un passaggio importante, perché rafforza l’attendibilità dei risultati anche al di fuori del centro nel quale il sistema è stato realizzato. Tra gli studi che hanno proposto modelli prognostici fondati esclusivamente su variabili preoperatorie, quello pubblicato rappresenta, a oggi, il lavoro condotto sulla casistica più ampia.
Un altro elemento rilevante riguarda il tipo di intelligenza artificiale utilizzata. Il modello finale è stato progettato secondo i principi della Explainable AI, un approccio che permette di visualizzare e comprendere il peso delle singole variabili cliniche nella determinazione della stima del rischio. Il sistema non restituisce quindi soltanto un risultato difficilmente interpretabile, come avverrebbe con una “scatola nera”, ma consente di ricostruire gli elementi che hanno contribuito alla previsione. Questa caratteristica potrebbe favorire una futura integrazione dello strumento nella pratica clinica, rendendo le valutazioni più trasparenti e verificabili da parte degli specialisti.
La piattaforma S-RACE trasforma i dati clinici in strumenti per la ricerca
Lo studio costituisce una nuova applicazione di S-RACE, la piattaforma sviluppata dall’Università Vita-Salute San Raffaele e dall’IRCCS Ospedale San Raffaele per trasformare i dati raccolti durante la normale attività assistenziale, i cosiddetti Real World Data, in strumenti utili alla ricerca e al supporto delle decisioni cliniche. La piattaforma è stata realizzata secondo i principi di un’intelligenza artificiale responsabile, trasparente e interpretabile.
“Questo studio dimostra concretamente il potenziale di S-RACE –, afferma il dottor Alberto Traverso, Responsabile scientifico del gruppo di Data Science S-RACE, Centro di eccellenza intelligenza artificiale –. La nostra piattaforma ci consente di integrare grandi quantità di dati clinici raccolti nella pratica quotidiana, sviluppando modelli non solo accurati ma anche trasparenti e comprensibili. È un passaggio fondamentale perché queste tecnologie possano essere adottate con fiducia, prima nella ricerca e in prospettiva nella pratica clinica”.
Attraverso una pipeline dedicata, cioè una sequenza automatizzata di procedure che organizza le informazioni, ne controlla la qualità e le prepara per l’analisi, i ricercatori hanno trasformato migliaia di dati provenienti dalla pratica assistenziale in un dataset utilizzabile per lo sviluppo del modello. Il confronto con il tradizionale processo di selezione manuale, eseguito da un clinico esperto, ha evidenziato prestazioni sovrapponibili. Il risultato suggerisce che la pipeline automatizzata possa affiancare in maniera affidabile gli specialisti nella preparazione dei dati destinati alla ricerca. L’algoritmo ha inoltre individuato due nuove variabili, oltre ai sei predittori già presenti nel dataset clinico preparato manualmente. Questo risultato apre alla possibilità di scoprire biomarcatori non considerati dagli attuali modelli prognostici ampiamente utilizzati in urologia, individuati dall’intelligenza artificiale in modo agnostico, sulla base dei dati raccolti e senza partire da ipotesi prestabilite.
Competenze multidisciplinari e una web app per validare il modello
La realizzazione del modello è stata possibile grazie all’integrazione tra l’esperienza clinica nella gestione del carcinoma renale e le competenze tecnologiche nel campo dell’intelligenza artificiale e della scienza dei dati. “Questo studio nasce dall’incontro tra una consolidata esperienza clinica nella gestione del carcinoma renale e competenze avanzate di intelligenza artificiale e scienza dei dati”, commenta il professor Andrea Salonia, urologo, andrologo, direttore dell’Istituto di Ricerca Urologica – URI e ordinario di Urologia all’Università Vita-Salute San Raffaele. “Sviluppare modelli di questo tipo significa valorizzare il patrimonio di dati clinici raccolto in oltre trent’anni di attività, trasformandolo in conoscenza utile a migliorare la presa in carico dei pazienti”.
Determinante è stato il contributo multidisciplinare di urologi, radiologi, esperti di intelligenza artificiale, data scientist e bioinformatici, coinvolti nello sviluppo e nella validazione del sistema. “L’intelligenza artificiale può produrre un reale valore per la medicina solo se sviluppata secondo criteri di trasparenza, robustezza e verificabilità”, conclude il professor Carlo Tacchetti, ordinario di Anatomia Umana e Direttore del Programma Strategico di IA dell’Università Vita-Salute San Raffaele. “Il nostro obiettivo non è costruire algoritmi fini a sé stessi, ma strumenti affidabili in grado di supportare il medico nelle decisioni cliniche. Per questo il modello è stato reso disponibile anche attraverso un’applicazione web, che ne faciliterà la validazione in altri centri e potrà favorirne, in futuro, l’integrazione nei percorsi di ricerca clinica. Questo modello è il primo di una serie che sono in via di sviluppo presso S-RACE, su altrettante domande cliniche relative a patologie oncologiche, cardiovascolari, neurologiche e metaboliche. Tre di questi modelli già stati completati e presto saranno pubblicati”. La web app potrà dunque facilitare la verifica del sistema in ulteriori strutture e contribuire, in prospettiva, alla sua introduzione nei percorsi di ricerca clinica. Lo studio è stato finanziato dal Ministero dell’Università e della Ricerca nell’ambito del progetto D³4Health – Digital Driven Diagnostics, Prognostics and Therapeutics for Sustainable Healthcare.
Iscriviti alla Newsletter di Sanità Informazione per rimanere sempre aggiornato