San Francisco Frontiers - Dati 'real world' e IA per terapia del tumore al seno

L'importanza dell'adeguatezza delle dosi dei farmaci nella chemioterapia neoadiuvante nel tumore mammario dimostrata grazie all'uso dei dati 'real world', quelli raccolti durante la pratica clinica e non in constesti sperimentali e all'implementazione del machine learning e dell'Ia. È questo il risultato dello studio multicentrico coordinato da ricercatori dell'Istituto nazionale tumori Regina Elena (Ifo), pubblicato rivista Esmo Real World Data and Digital Oncology, che ha analizzato i dati real world di oltre 750 pazienti affette da carcinoma mammario in fase precoce, trattate in otto centri oncologici distribuiti in sette Paesi europei e nel Regno Unito, aderenti al consorzio DigiCore. Al centro della ricerca, l'impatto dell'intensità di dose del paclitaxel, un farmaco cardine nella chemioterapia neoadiuvante. I risultati evidenziano che, nel tumore triplo negativo, una significativa riduzione della dose è associata a un minore tasso di risposta patologica completa) e quindi a un possibile aumento del rischio di recidiva. Un effetto non osservato, invece, nelle pazienti con tumore HER2-positivo. "Questo studio conferma quanto sia cruciale mantenere una dose adeguata di paclitaxel per ottimizzare le possibilità di risposta completa e la sopravvivenza delle pazienti", spiega Patrizia Vici, responsabile della Uosd Sperimentazioni di Fase IV Ire. L'iniziativa ha anche avuto un forte valore formativo e di innovazione metodologica, offrendo a giovani ricercatori l'opportunità di partecipare a una rete collaborativa europea. L'utilizzo di tecniche avanzate di machine learning ha permesso di ottenere risposte clinicamente rilevanti da dati raccolti nella pratica clinica quotidiana, al di fuori dei contesti altamente selettivi dei trial randomizzati. "I dati real world rappresentano una risorsa chiave, poiché riflettono la realtà clinica di oltre il 90% dei pazienti oncologici, non inclusi nei trial randomizzati - afferma Giovanni Blandino, direttore scientifico IRE -. Questo studio è il frutto di una solida infrastruttura digitale e di un modello collaborativo che l'Istituto sta promuovendo per rendere i dati interoperabili e valorizzarli in studi futuri, anche attraverso modelli di federated learning".

L.Ramos--SFF