©Fotolia
Come migliorare la previsione della risposta all’immunoterapia nel carcinoma polmonare non a piccole cellule? I ricercatori dell’Institut Curie, Inserm e Mines Paris-PSL hanno raccolto questa sfida combinando diversi tipi di dati di esami (genomici, radiomici, anatomopatologici, clinici) all’interno di nuovi algoritmi di intelligenza artificiale. . Una prima, appena pubblicata sulla rivista Comunicazioni sulla natura.
Nella stragrande maggioranza dei tumori polmonari (più precisamente nei tumori polmonari non a piccole cellule[1]), l’immunoterapia è prescritta come prima linea per l’85% dei pazienti. Tuttavia, alcuni rispondono e altri no. Prevedere con successo l’efficacia di questo trattamento rappresenta quindi una questione cruciale per risparmiare tempo sulla progressione della malattia, evitare effetti collaterali non necessari e ridurre i costi. Gli scienziati dell’Institut Curie, dell’Inserm e delle Mines Paris-PSL hanno intrapreso un progetto pionieristico, finanziato dalla Fondazione Arc[2] e PR[AI]RIE[3]alla ricerca di nuovi biomarcatori predittivi.
Pionieri primi in termini di organizzazione: 16 ricercatori dell’Institut Curie, Inserm e Mines Paris-PSL, aiutati da numerosi colleghi e provenienti da diversi settori (imaging, intelligenza artificiale, patologia, radiomica, biologia del tumore…) hanno collaborato in modo transdisciplinare attorno agli stessi set di dati.
Quindi pioniere in termini di risultati: questo team è riuscito a individuare la migliore combinazione di dati per prevedere la risposta all’immunoterapia nel tumore del polmone non a piccole cellule.
Prova dell’interesse della multimodalità
« In collaborazione con l’équipe del professor Nicolas Girard, direttore del dipartimento di oncologia medica dell’Institut Curie, abbiamo raccolto, per 317 pazienti, i dati trascrittomici, cioè l’espressione del genoma; dati radiomici, quindi dati di imaging; dati sulla patologia tumorale; e infine i dati clinici », spiega il dottor Emmanuel Barillot, direttore dell’unità di oncologia computazionale (U1331, Institut Curie, Inserm). “ Abbiamo scoperto che gli algoritmi che combinano i dati di tre o quattro di queste modalità prevedono sempre la risposta al trattamento meglio di quelli che ne utilizzano solo una o due. Questa prova dell’interesse della multimodalità non era stata precedentemente riportata per il cancro del polmone non a piccole cellule ».
Meglio ancora, gli scienziati hanno identificato le modalità più predittive e le hanno collegate ai meccanismi biologici.
« Abbiamo, ad esempio, osservato che il trascrittoma fornisce informazioni di buona qualità, in particolare perché permette di quantificare le cellule dendritiche – la cui azione nella risposta all’immunoterapia è già nota. », continua il ricercatore.
La speranza di una prossima applicazione clinica
Scoperte che avranno un impatto nel breve ma anche nel lungo periodo.
« La nostra prossima ricerca si concentrerà sull’integrazione di un numero ancora maggiore di dati nei nostri algoritmi per verificare l’affidabilità delle previsioni e migliorarle ulteriormente. », Annuncia Nicolas Captier, primo autore dello studio e dottorando nel team di Cancer Systems Biology dell’Institut Curie. “ E in definitiva, la speranza è quella di poter utilizzare tali algoritmi per lo sviluppo della strategia terapeutica.. »
La pratica richiederà una stretta collaborazione con i medici per la sua attuazione: un processo che dovrebbe essere facilitato dalla capacità dei ricercatori dell’Institut Curie di lavorare in modo traslazionale con le équipe del Complesso Ospedaliero.
[1] Questi tumori rappresentano oltre l’80% dei tumori polmonari e comprendono gli adenocarcinomi (60% dei casi), i carcinomi a cellule squamose (30% dei casi) e i carcinomi a grandi cellule (più rari).
[2] Fondazione per la ricerca sul cancro
[3] Uno dei quattro istituti francesi di intelligenza artificiale che riunisce l’Università PSL, tra cui l’Institut Curie, nonché l’Università Paris Cité, il CNRS, l’Inria, l’Institut Pasteur e i principali attori industriali come Google e Meta.
