L’efficacia dell’immunoterapia la predice l’IA

Benché l’impatto rivoluzionario dell’immunoterapia nel contrastare i tumori rimanga indiscusso, oggi una grande sfida riguarda il sapere predire con accuratezza la capacità di risposta dei pazienti. Ciò allo scopo di personalizzare le terapie e somministrare a ciascuno quelle più adeguate. Questo il focus dello studio condotto dai ricercatori dei National Institutes of Health (NIH) americani, che hanno sviluppato un innovativo strumento di intelligenza artificiale per conoscere la probabilità di risposta dei pazienti all’immunoterapia rivolta a bloccare l’azione dei checkpoint immunitari. Si tratta di quelle molecole espresse dai linfociti la cui azione viene eccessivamente accentuata dal tumore.

Fda ha già approvato due biomarcatori per identificare i pazienti candidabili per il trattamento immunoterapico con gli anticorpi chiamati inibitori dei checkpoint immunitari. I marker in questione sono il carico mutazionale del tumore, ovvero il numero di mutazioni nel Dna delle cellule tumorali e il PD-L1, una proteina delle cellule tumorali che limita la risposta immunitaria. Finora però essi non hanno sempre previsto accuratamente la risposta a questo tipo di immunoterapia. Un esito valido è stato invece espresso dall’utilizzo di modelli di machine-learning che fanno uso di dati di sequenziamento molecolare, anche se tali dati sono costosi da ottenere e non vengono raccolti nella routine clinica. È proprio questa la novità del recente studio, coordinato da Eytan Ruppin, del National Cancer Institute e da Luc Morris, del Memorial Sloan Kettering Cancer Center. La ricerca, pubblicata su Nature Cancer, ha messo a punto un modello di machine-learning che compie previsioni sulla base di cinque tipologie di dati normalmente raccolti nella pratica clinica: l’età del paziente, il tipo di tumore, la storia delle terapie sistemiche eseguite, i livelli di albumina nel sangue e il rapporto fra livello ematico di neutrofili e linfociti, che rappresenta un marker dello stato di infiammazione.

Lo strumento, chiamato Logistic regression-based immunotherapy-response score (Loris), tiene conto anche del carico mutazionale del tumore. È basato sui dati di 2.881 pazienti trattati con gli inibitori dei checkpoint immunitari e 841 pazienti quale gruppo di controllo nell’ambito di 18 tipi diversi di tumore solido. In base ai risultati il modello di IA si è dimostrato in grado di predire con accuratezza la probabilità di risposta dei pazienti all’immunoterapia e il tempo di sopravvivenza, sia complessivamente sia prima che la malattia si ripresentasse. I ricercatori hanno precisato che Loris è riuscito a identificare quei pazienti con un basso carico mutazionale del tumore che possono ancora essere trattati efficacemente con l’immunoterapia. Un promettente strumento di IA, quindi, che richiede ora una validazione ulteriore mediante studi prospettici più ampi su dati clinici. (riproduzione riservata)