Tumore al polmone, così l’AI aiuta a predire la risposta all’immunoterapia

Usare l’intelligenza artificiale non per sostituire il medico, ma per aiutarlo a valutare con maggiore precisione quali pazienti potrebbero beneficiare dell’immunoterapia. È l’obiettivo di i3LUNG, progetto internazionale coordinato dalla Fondazione IRCCS Istituto Nazionale dei Tumori di Milano, i cui primi risultati sono stati pubblicati su Nature Medicine.

Lo studio ha coinvolto 2.396 pazienti con carcinoma polmonare non a piccole cellule avanzato, il sottotipo più comune generalmente diagnosticato quando si è già esteso ad altre parti del corpo. 

I3LUNG ha integrato informazioni cliniche e del sangue con TAC, immagini di anatomia patologica e dati genomici. Si tratta, secondo gli autori, del più ampio studio internazionale real world basato sull’intelligenza artificiale multimodale condotto finora in questo ambito.

La ricerca nasce da una questione ancora aperta nella cura del tumore del polmone: l’immunoterapia ha cambiato profondamente le possibilità terapeutiche - è oggi la pratica più frequente per gestire questo tipo di tumore al polmone, a volte in combinazione con una chemioterapia -, ma non tutti i pazienti rispondono allo stesso modo e gli strumenti oggi utilizzati per prevederne l’efficacia presentano limiti.

Il progetto, avviato nell’ambito di Horizon Europe, punta quindi a costruire un sistema di supporto alle decisioni capace di utilizzare contemporaneamente più tipologie di informazioni disponibili nella pratica clinica, per fornire una terapia il più possibile personalizzata, basata cioè sulle specificità del paziente.

I modelli di AI per integrare più fonti di dati

Uno degli aspetti più interessanti dello studio riguarda proprio l’utilizzo concreto dello strumento. In una sperimentazione dedicata alla sua usabilità, medici esperti di tumore del polmone e professionisti non specialisti hanno migliorato le proprie capacità di previsione quando hanno potuto affiancare alla valutazione clinica un modello di intelligenza artificiale spiegabile.

I modelli sviluppati utilizzando i dati clinici e del sangue hanno inoltre mostrato, nel set di test indipendente, prestazioni superiori rispetto a singoli biomarcatori e indicatori clinici tradizionalmente utilizzati. L’integrazione di più fonti di dati – dalla radiologia alla patologia digitale fino alla genomica – resta una delle frontiere del progetto, anche se lo studio sottolinea che il vantaggio aggiuntivo dell’approccio multimodale dovrà essere ulteriormente validato.

Il lavoro non si ferma alla pubblicazione scientifica. È già in corso una validazione prospettica su oltre 2.000 pazienti, passaggio necessario per verificare il funzionamento del sistema nella pratica clinica e in popolazioni differenti.