Skip to main content
STEPHANIE ARNETT/MITTR | GETTY

Il sistema PRISM AI utilizza i dati di milioni di pazienti per aiutare a identificare quelli che possono sviluppare la forma più comune della malattia.

Un nuovo sistema di intelligenza artificiale potrebbe aiutare a rilevare la forma più comune di cancro al pancreas, secondo una nuova ricerca.

Il cancro al pancreas è una malattia difficile da individuare. Il pancreas stesso è nascosto da altri organi nell’addome, rendendo difficile individuare i tumori durante gli esami. Inoltre, i pazienti raramente avvertono sintomi nelle fasi iniziali, il che significa che la maggior parte dei casi viene diagnosticata in fase avanzata, quando il tumore si è già diffuso ad altre parti del corpo. Questo rende molto più difficile la cura.

Di conseguenza, è essenziale cercare di individuare il cancro al pancreas nella fase più precoce possibile. Un gruppo di ricercatori del Computer Science and Artificial Intelligence Laboratory (CSAIL) del MIT ha collaborato con Limor Appelbaum, scienziato del dipartimento di radio-oncologia del Beth Israel Deaconess Medical Center di Boston, per sviluppare un sistema di intelligenza artificiale in grado di prevedere la probabilità di un paziente di sviluppare un adenocarcinoma duttale del pancreas (PDAC), la forma più comune di cancro.

Il sistema ha superato gli standard diagnostici attuali e un giorno potrebbe essere utilizzato in ambito clinico per identificare i pazienti che potrebbero beneficiare di uno screening o di un test precoce, aiutando a prendere in tempo la malattia e a salvare vite umane. La ricerca è stata pubblicata il mese scorso sulla rivista eBioMedicine.

L’obiettivo dei ricercatori era un modello in grado di prevedere il rischio di diagnosi di PDAC per un paziente nei successivi 6-18 mesi, rendendo più probabile la diagnosi e la cura in fase precoce. Per svilupparlo, hanno esaminato le cartelle cliniche elettroniche esistenti.

Il sistema risultante, noto come PRISM, è composto da due modelli di intelligenza artificiale. Il primo utilizza reti neurali artificiali per individuare gli schemi nei dati, che comprendono l’età dei pazienti, la loro storia clinica e i risultati di laboratorio. Calcola quindi un punteggio di rischio per il singolo paziente. Il secondo modello AI è stato alimentato con gli stessi dati per generare un punteggio, ma ha utilizzato un algoritmo più semplice.

I ricercatori hanno fornito ai due modelli i dati anonimizzati di 6 milioni di cartelle cliniche elettroniche, di cui 35.387 casi di PDAC, provenienti da 55 organizzazioni sanitarie degli Stati Uniti.

L’équipe ha utilizzato i modelli per valutare il rischio di PDAC dei pazienti ogni 90 giorni, fino a quando non c’erano più dati sufficienti o al paziente veniva diagnosticato un tumore al pancreas. Hanno seguito tutti i pazienti arruolati da sei mesi dopo la prima valutazione del rischio fino a 18 mesi dopo l’ultima valutazione del rischio per vedere se in quel periodo era stato diagnosticato un PDAC.

Tra le persone che hanno sviluppato il cancro al pancreas, la rete neurale ha identificato il 35% di loro come ad alto rischio da sei a 18 mesi prima della diagnosi, il che, secondo gli autori, rappresenta un miglioramento significativo rispetto agli attuali sistemi di screening. Per la maggior parte della popolazione generale non esiste una routine di screening raccomandata per il cancro al pancreas come per il cancro al seno o al colon, e gli attuali criteri di screening standard catturano circa il 10% dei casi.

Considerata l’importanza di individuare la malattia nella fase più precoce possibile, il sistema sembra promettente, afferma Michael Goggins, professore di patologia e specialista del cancro al pancreas presso la Johns Hopkins University School of Medicine, che non è stato coinvolto nel progetto.

“Si può prevedere che un modello di questo tipo migliorerà il panorama attuale”, afferma. “Ma per avere il massimo impatto è necessario che il rischio venga evidenziato con largo anticipo”.

È possibile che alcune persone abbiano sviluppato un tumore al pancreas in stadio avanzato entro la finestra di sei-18 mesi, il che significa che potrebbe essere troppo tardi per trattarle efficacemente quando hanno ricevuto una valutazione del rischio.

Mentre questo studio in particolare è retrospettivo, e analizza i dati esistenti e affida ai modelli il compito di fare previsioni ipotetiche, il team ha iniziato a lavorare su uno studio che raccoglierà i dati sui pazienti esistenti, calcolerà i loro fattori di rischio e aspetterà per vedere quanto sono accurate le previsioni, dice Martin Rinard, professore di ingegneria elettrica e informatica al MIT, che ha lavorato al progetto.

In passato, altri modelli di intelligenza artificiale costruiti con i dati di un particolare ospedale a volte non funzionavano altrettanto bene quando venivano forniti i dati di un altro ospedale. Ciò potrebbe essere dovuto a ragioni di ogni tipo, come popolazioni, procedure e pratiche diverse.

“Poiché disponiamo di dati che si avvicinano a quelli di una frazione molto significativa dell’intera popolazione degli Stati Uniti, speriamo che il modello funzioni meglio tra le organizzazioni e non sia legato a un’organizzazione specifica”, spiega. “E poiché stiamo lavorando con così tante organizzazioni, questo ci dà anche un set di formazione più ampio”.

In futuro, PRISM potrebbe essere utilizzato in due modi, afferma Appelbaum.

In primo luogo, potrebbe aiutare a individuare i pazienti da sottoporre a test per il cancro al pancreas. In secondo luogo, potrebbe offrire un tipo di screening più ampio, invitando le persone senza sintomi a sottoporsi a un esame del sangue o della saliva che potrebbe indicare la necessità di ulteriori esami.

“Esistono decine di migliaia di questi modelli per diversi tipi di cancro, ma la maggior parte di essi è bloccata alla letteratura”, aggiunge l’esperta. “Penso che abbiamo la strada per portarli nella pratica clinica, ed è il motivo per cui ho iniziato tutto questo, in modo da poterli portare alle persone e individuare precocemente il cancro. Ha il potenziale per salvare molte, molte vite”.