Tra le maggiori sfide odierne c’è quella di predire con accuratezza la capacità di risposta del paziente all’immunoterapia, con l’obiettivo di personalizzare le terapie. Fanno quindi ben sperare i risultati dello studio del National Institutes of Health sull’AI per predire l’efficacia dei trattamenti.
La ricerca – pubblicata su Nature Cancer – ha messo a punto un modello di Machine Learning, chiamato Logistic regression-based immunotherapy-response score (Loris), in grado di compiere previsioni facendo leva su cinque tipologie di dati normalmente acquisiti nell’attività clinica: l’età del paziente; il tipo di tumore; lo “storico” delle terapie sistemiche a cui è stato sottoposto; i livelli di albumina (proteina del plasma, prodotta dalle cellule epatiche) nel sangue; la relazione fra il livello ematico di neutrofili e linfociti, che costituisce un marker della condizione infiammatoria.
Inoltre, lo strumento considera il carico mutazionale del tumore (Tumor Mutational Burden, TMB), un biomarcatore molecolare che misura il numero di mutazioni nella neoplasia e consente di scattare una “istantanea” esaustiva delle alterazioni molecolari del tumore. In base ai risultati, il modello di AI “Loris” è riuscito a predire con accuratezza la probabilità di risposta dei pazienti all’immunoterapia (nonché il tempo di sopravvivenza, sia complessivamente sia prima che la malattia riapparisse).
Un lavoro certosino volto tanto a comprendere come, appunto, le cellule reagiscono al melanoma, quanto a sviluppare un sistema capace di predire quali cellule saranno adatte ad “attaccare” i tumori.
A.L
