IA e nuove tecnologie di digitalizzazione possono rappresentare efficaci strumenti di governance e modulazione nella gestione delle terapie farmacologiche, specificamente oncologiche. Strumenti strategici nel supportare la decisione del clinico nell’iniziale scelta del trattamento o in corso di terapia nella rimodulazione dei dosaggi chemioterapici e/o immunoterapici, a vantaggio di trattamenti sempre più personalizzati sul paziente e sulla precisione del profilo molecolare della malattia, fino a poter prevedere, nel prossimo futuro, la risposta anticipata del paziente a specifiche terapie.
Tutto in un’ottica di ottimizzazione della cura e di continuità del trattamento, evitando interruzioni e/o sospensioni che impattano negativamente sul controllo e la progressione della patologia oncologica. È la direzione verso la quale puntano le evidenze di un recente studio real world, condotto dall’IFO-Irccs Istituto Tumori Regina Elena (IRE) di Roma, pubblicato su Esmo Real World Data and Digital Oncology (1).
Il ruolo dell’IA
Strumenti di IA stanno emergendo come un supporto sinergico al medico nel favorire e migliorare, ad esempio, la lettura e l’interpretazione di dati, potendone ricavare le maggiori informazioni possibili.
«Fondamentale, dunque», spiega Eriseld Krasniqi, oncologo medico presso IRE, «è disporre di dati di qualità, in formato digitale e interoperabili tra i diversi centri oncologici: aspetto, quello dell’informatizzazione, su cui occorre investire con priorità, per esempio strutturando o implementando dei centri dati dedicati. Un ambito di grande attenzione anche per l’IRE che ha concentrato i propri sforzi nel fornire strumenti digitali avanzati e maggiore potenza computazionale a questo strumento, oltre che nel tessere nuove relazioni e collaborazioni.
Per esempio, il nostro istituto è parte di alcuni consorzi importanti, come il consorzio Digicore (Digital Institute for Cancer Outcomes Research), un partenariato pubblico-privato europeo fondato nel 2020 per la digitalizzazione e la trasformazione della ricerca sul cancro, partecipando al progetto europeo DigiONE I3 (DIGItal Infrastructure for ONcology in Europe). Questo è il contesto in cui s’inserisce anche il nostro studio di recente pubblicazione, che rappresenta solo l’inizio di una collaborazione molto ampia».
La gestione di dati e informazioni attraverso strumenti di IA sono governati e strutturati sulla base di algoritmi di diversa natura e caratteristiche: alcuni classici, in cui rientra, per esempio, il machine learning, impiegato anche nell’attuale studio di IRE-IFO, o algoritmi più complessi che utilizzano reti neurali, come il deep learning, particolarmente utili per integrare informazioni da più sorgenti: dati clinici testuali, immagini radiologiche e istologiche, e dati di sequenziamento di nuova generazione dei tumori.
«Tali strumenti stanno cambiando l’approccio al paziente», prosegue il dott. Krasniqi, «in termini di diagnosi potenzialmente più tempestive, offrendo un importante supporto alle decisioni terapeutiche dei medici, quindi migliori outcome e risposte al trattamento, favoriscono l’accelerazione della ricerca per l’identificazione di nuovi biomarcatori come anche per lo sviluppo di farmaci innovativi.
Specificamente, in relazione al nostro studio, l’IA e gli strumenti di machine learning hanno potenziato la nostra capacità d’interpretare i dati, partendo da una piattaforma che ne ha permesso la digitalizzazione, rendendoli quindi interoperabili, e di aumentare il volume di dati e informazioni provenienti da centri oncologici d’eccellenza europei e del Regno Unito. Ciò ci ha permesso di estrarre preziose informazioni, soprattutto per alcuni sottotipi di tumori della mammella, neoplasia di cui si occupa prevalentemente il nostro gruppo di lavoro e ricerca».
Il disegno dello studio
Multicentrico, con la partecipazione di diversi Centri europei e britannici, lo studio è stato disegnato con lo scopo di valutare la possibile associazione tra l’intensità della dose di paclitaxel neoadiuvante e gli esiti nel carcinoma mammario triplo negativo e HER2 positivo in fase iniziale, tramite dati real world, ovvero registrati durante la pratica clinica dall’oncologo, non riferiti a studi sperimentali randomizzati, ma complementari a questi stessi trial.
«I dati di real world sono comunque cruciali, poiché compongono il 90-95% dei dati totali riguardanti il paziente oncologico. Nello specifico, abbiamo incluso oltre 750 pazienti donne, afferenti a 8 differenti centri, con carcinoma mammario in fase inziale o localmente avanzato, trattate nei centri della rete Digicore.
Per rendere compatibili e comparabili gli esiti clinici raccolti dai vari centri partecipanti, abbiamo provveduto a standardizzare alcune variabili cliniche con impatto sugli esiti clinici del trattamento, e abbiamo utilizzato una nuova formula matematica per caratterizzare l’intensità di dose del farmaco come variabile composita.
Successivamente, applicando un algoritmo di machine learning, in questo caso alberi decisionali, siamo riusciti a capire meglio l’effetto dell’intensità di dose sul tasso di risposta completa al trattamento. L’interazione delle diverse informazioni ha così permesso di valutare l’effetto dell’intensità della dose di paclitaxel, trattamento gold standard impiegato in fase neoadiuvante, attualmente erogato a pazienti con malattia in stadio II e III, specie in caso di tumore triplo negativo e HER2 positivo.
Il risultato chiave, emerso dallo studio, è che riduzioni oltre a una soglia specifica di questo farmaco in pazienti con tumore triplo negativo si associano a minori risposte patologiche complete, cioè totali alla terapia, al momento della chirurgia, esponendo pertanto la donna a un rischio potenzialmente maggiore di recidiva. L’effetto detrimentale della riduzione dell’intensità della chemioterapia è risultato meno importante nel gruppo delle pazienti con tumore HER2 positivo.
Tuttavia, va sottolineato che le pazienti con tumore triplo negativo incluse nel nostro studio non erano state sottoposte a un trattamento chemioterapico combinato a farmaci biologici (attualmente l’associazione con immunoterapia è standard), mentre lo erano state le pazienti con tumore HER2 positivo (che hanno ricevuto anche gli anticorpi monoclonali anti-HER2).
È infatti nostra intenzione proseguire lo studio espandendo la popolazione con le pazienti affette da tumore triplo negativo trattate con chemio-immunoterapia neoadiuvante per dare risposta a un quesito clinico molto importante, ovvero quanto possiamo fare a meno della chemioterapia nell’era dei farmaci a bersaglio molecolare?».
Nel dettaglio, alcuni dati: lo studio che ha incluso 514 pazienti con tumore della mammella triplo negativo (TNBC) e 249 con tumore della mammella (BC) HER2 positivo evidenzia che, rispettivamente nell’82,9% e nel 63,9% delle pazienti, non è stata necessaria una riduzione dell’intensità della dose di paclitaxel (PDI), dove il cut-off ottimale che separava un PDI alto da uno basso era rispettivamente del 69% e del 72%.
Un PDI basso è stato riscontrato nel TNBC (29,8% delle pazienti), ma non nel BC HER2+ (22,1% delle pazienti), significativamente associato a un tasso di risposta patologica completa (pCR) ridotto, rispetto a un PDI alto (37,3% contro 55,1%) (odds ratio 0.48, intervallo di confidenza al 95% 0.33-0.71, P < 0,001). L’altra osservazione, strettamente correlata alla precedente, è nel TNBC, la sopravvivenza libera da carcinoma mammario invasivo, stimata a 36 mesi, era del 77,9% nel gruppo PDI-basso e dell’89,2% nel gruppo PDI-alto (hazard ratio 2,19, intervallo di confidenza al 95% 1,29-3,73, P = 0,004).
Studio
1) van Marke C, Pogoda K, Fenton H et al. Association between neoadjuvant paclitaxel dose intensity and outcomes in early triple-negative and HER2-positive breast cancer: a real-world data analysis. ESMO Real World data and Digital Oncology, 2025, Vol. 9, Issue C. Doi: 10.1016/j.esmorw.2025.100158
