Sviluppato un Tool basato sull’Intelligenza Artificiale, denominato IRON, per la predizione del successo della terapia nei tumori ovarici
IRON, precisione nell'80% dei casi
Recentemente è stato sviluppato un tool innovativo basato sull’intelligenza artificiale, noto come IRON (Integrated Radiogenomics for Ovarian Neoadjuvant therapy), capace di predire l‘efficacia della terapia nell’80% delle pazienti affette da tumori ovarici.
La riduzione volumetrica delle lesioni tumorali è stata valutata con un’accuratezza dell’80%, superando notevolmente i metodi attualmente impiegati in ambito clinico.
Studio coordinato dalla Prof.ssa Evis Sala e Università di Cambridge
Lo studio è stato coordinato dalla Professoressa Evis Sala, Ordinario di Diagnostica per immagini e radioterapia presso la Facoltà di Medicina e chirurgia dell’Università Cattolica e Direttrice del Centro Avanzato di Radiologia, Fondazione Policlinico Universitario A. Gemelli IRCCS. La ricerca è stata portata avanti in collaborazione con l’Università di Cambridge.
Elevato impatto e difficoltà diagnostiche
Il tumore dell’ovaio colpisce annualmente oltre cinquemila donne in Italia, unite alle oltre trentamila in trattamento terapeutico.
La diagnosi spesso avviene quando la malattia è già in uno stadio avanzato, poiché nelle fasi precoci non manifesta sintomi specifici.
Il carcinoma ovarico sieroso di alto grado, responsabile del 70-80% dei tumori ovarici, è particolarmente aggressivo e mostra resistenza ai trattamenti chemioterapici.
Attualmente, la previsione della risposta alle terapie è possibile solo con un’accuratezza massima del 50%.
Limiti dei biomarcatori clinici
Per questa forma tumorale, caratterizzata da elevata eterogeneità, sono noti pochi biomarcatori clinicamente utilizzabili.
Ciò ha motivato lo sviluppo di un tool basato sull’intelligenza artificiale per predire l’efficacia della chemioterapia.
Lo Studio: Dati e Analisi
Lo studio ha coinvolto 134 pazienti con tumore ovarico di alto grado, suddivisi in due set di dati indipendenti.
L’analisi comprendeva dati clinici, biomarcatori nel sangue come CA-125 e DNA tumorale circolante, nonché caratteristiche quantitative dedotte dalle immagini della TAC.
Risultati e Correlazioni
Le localizzazioni omentali e pelviche/ovariche rappresentavano la maggior parte del carico di malattia.
Le risposte alla terapia neoadiuvante variavano significativamente tra queste localizzazioni.
Sono state identificate correlazioni tra mutazioni tumorali, marcatori come CA-125, carico complessivo della malattia e risposta alla terapia.
Sottogruppi e Analisi avanzata delle Immagini
L’analisi avanzata delle immagini TAC ha identificato sei sottogruppi di pazienti con caratteristiche biologiche e cliniche distinte, rilevanti per la risposta alla terapia.
Tutte queste informazioni sono state utilizzate come dati di input per gli algoritmi di intelligenza artificiale che compongono il tool IRON.
Prospettive future
Il tool IRON si propone come un’innovativa risorsa clinica, affrontando la necessità di identificare precocemente le pazienti non responsive alla terapia neoadiuvante.
La Professoressa Sala sottolinea il potenziale utilizzo del tool anche in future ricerche cliniche in collaborazione con il Professor Giovanni Scambia, Ordinario di Ginecologia e ostetricia presso l’Università Cattolica e Direttore Scientifico della Fondazione Policlinico Universitario Agostino Gemelli IRCCS.
