I ricercatori del Winship Cancer Research Institute (Emory University, Atlanta) e del Cancer Center dell’Università della Pennsylvania hanno sviluppato la prima piattaforma per aiutare i medici a selezionare, sulla base dei dati provenienti da studi clinici, i pazienti che hanno maggiori probabilità di beneficiare del trattamento. Questo strumento, che utilizza l’intelligenza artificiale (AI), ha già dimostrato che l’omogeneità dei pazienti reclutati negli studi non consente di copiare i risultati pubblicati sui pazienti incrociati nella vita reale. Tuttavia, è possibile correggere questa differenza, per fornire al medico una prognosi più accurata.
In un articolo pubblicato su Medicina della naturail piccolo gruppo di ricerca guidato dall’oncologo Ravi Parikh e dal professore di biostatistica e informatica Qi Long, spiega come hanno sviluppato e addestrato un modello di apprendimento automatico (o apprendimento automatico) ora disponibile come open Source.
Il dottor Parikh e il suo team avevano precedentemente sviluppato TrialTranslator, un’intelligenza artificiale in grado di “tradurre” i risultati degli studi clinici per il grande pubblico. Con questo nuovo lavoro, hanno virtualmente replicato 11 studi clinici cardine, nell’indicazione dei tumori polmonari non a piccole cellule e dei tumori metastatici al seno, alla prostata e al colon, utilizzando dati di pazienti nella vita reale. In base ai risultati ottenuti è stato possibile definire le categorie di pazienti che sarebbero buoni candidati.
Una colpevole mancanza di eterogeneità
Meno del 10% dei pazienti partecipa a uno studio clinico, un dato ben lungi dall’essere rappresentativo dell’insieme. “I pazienti incrociati nella vita reale sono più eterogenei che negli studi. Anche se i risultati di uno studio randomizzato sono positivi, ci sono categorie di pazienti per le quali un nuovo trattamento non funziona, aggiunge il dottor Parikh. Questo strumento consentirà ai pazienti e ai loro medici di sapere se i risultati di uno studio di fase 3 sono applicabili o meno a loro. »
L’osservazione principale dei ricercatori è che i pazienti con un fenotipo a basso o medio rischio hanno, nella loro simulazione, lo stesso guadagno in sopravvivenza associato ai trattamenti dei partecipanti agli studi di fase 3, ma quelli con un fenotipo ad alto rischio hanno un guadagno significativamente inferiore sopravvivenza. Questi risultati suggeriscono che l’intelligenza artificiale potrebbe identificare, tra i pazienti della vita reale, gruppi per i quali i risultati degli studi clinici non sono generalizzabili. “La prognosi del paziente, ancor più dei criteri di inclusione, costituisce il miglior predittore della sopravvivenza del paziente e del beneficio atteso dal trattamento”scrivono gli autori.
Ciò è in linea con la posizione dell’American Society of Clinical Oncology, che raccomanda di migliorare la rappresentanza dei pazienti ad alto rischio negli studi clinici.
Related News :