Un gruppo di ricerca dei National Institutes of Health (NIH) statunitensi ha sviluppato uno strumento di intelligenza artificiale che utilizza dati clinici di routine, ottenuti da un semplice esame del sangue, per prevedere se il cancro di un determinato paziente risponderà agli inibitori del checkpoint immunitario, un tipo di terapia immunologica che aiuta le cellule immunitarie a riconoscere e uccidere le cellule tumorali. Il modello di apprendimento automatico potrà aiutare i medici curanti a determinare se i farmaci immunoterapici saranno efficaci per il trattamento del cancro di quel paziente. 

Lo studio, pubblicato su Nature Cancer, è stato condotto da ricercatori del National Cancer Institute (NCI), guidati da Eytan Ruppin, e del Memorial Sloan Kettering Cancer Center di New York, diretti da Luc Morris. Al momento attuale, due biomarcatori predittivi sono approvati della Food and Drug Administration (FDA) statunitense per l’utilizzo come indicatori dei pazienti che potrebbero essere candidati al trattamento con inibitori del checkpoint immunitario. Il primo è il carico mutazionale del tumore, cioè il numero di mutazioni nel DNA delle cellule tumorali. Il secondo è PD-L1, una proteina delle cellule tumorali che limita l’evocazione della risposta immunitaria ed è già un bersaglio di alcuni inibitori del checkpoint immunitario.

Questi biomarcatori non sono sempre in grado di prevedere accuratamente la risposta agli inibitori del checkpoint immunitario. Invece i più recenti modelli di apprendimento mediato dall’intelligenza artificiale, che utilizzano dati di sequenziamento molecolare, hanno mostrato un elevato valore predittivo della risposta, ma questo tipo di dati è costoso da ottenere e non viene raccolto di routine.

Il nuovo studio descrive in dettaglio un diverso tipo di modello di apprendimento automatico, assai più efficiente, che fa previsioni basate su cinque elementi clinici che già vengono regolarmente raccolti nei pazienti e non solo in quelli oncologici: età e sesso, tipo di cancro, storia delle precedenti chemioterapie sistemiche seguite, dosaggio dell’albumina nel plasma e rapporto neutrofili/linfociti, che è un biomarcatore di risposta infiammatoria più sensibile del rapporto piastrine/linfociti nella valutazione della prognosi del cancro non asportabile chirurgicamente. Il modello è stato costruito e valutato utilizzando dati provenienti da più set di dati indipendenti che includevano 2.881 pazienti trattati con inibitori del checkpoint immunitario e altri 841 pazienti di controllo con 18 tipi di tumore solido.

In particolare, il modello ha saputo prevedere con precisione la probabilità di un paziente di rispondere a un inibitore del checkpoint immunitario e la durata della sua sopravvivenza, sia complessiva sia libera del ritorno della malattia. I ricercatori affermano inoltre che il modello è stato anche in grado di identificare i pazienti con un basso carico mutazionale del tumore, che potrebbero essere trattati efficacemente con l’immunoterapia.
In ogni caso i ricercatori segnalano comunque la necessità di studi prospettici più ampi per valutare ulteriormente questo modello di intelligenza artificiale, chiamato Logistic Regression-Based Immunotherapy-Response Score (LORIS), nel contesto clinico.