Ora l’IA guida la chirurgia: cancro al rene, meno rischi

Il carcinoma a cellule renali è la forma più frequente di tumore del rene. La chirurgia resta il trattamento di riferimento per la malattia localizzata, ma circa 1 paziente su 3 va incontro a recidiva o progressione, ecco perché è importante individuare già in fase preoperatoria i pazienti a rischio più elevato. Per rispondere a questa esigenza, un gruppo multidisciplinare dell’Università Vita-Salute San Raffaele e dell’Irccs Ospedale San Raffaele, in collaborazione con l’Ospedale Universitario Careggi di Firenze, ha sviluppato un nuovo modello di intelligenza artificiale capace di stimare, prima della chirurgia, il rischio di mortalità tumore-specifica nei pazienti con carcinoma renale non metastatico. Ne abbiamo parlato con il professor Carlo Tacchetti, ordinario di Anatomia Umana e Direttore del Programma Strategico di IA dell’Università Vita-Salute San Raffaele.

Professore ci aiuta a capire perché studiare prima del trattamento questa tipologia di patologia è importante?

Nel tumore del rene non sempre è possibile ottenere una biopsia, prima dell’intervento chirurgico, e questo, in assenza del dato istologico, rende complicata e talvolta impossibile una corretta valutazione della possibile evoluzione della malattia, con alcune conseguenze.

Quali?

Al momento la terapia di elezione per tumori al rene non metastatici è l’intervento chirurgico. Tuttavia ci sono pazienti ai quali, con il senno di poi, l’intervento poteva essere risparmiato. Si tratta, ad esempio, di pazienti che sviluppano una forma aggressiva e che a causa di questa, o per altre cause, vanno incontro ad una elevata mortalità nel periodo successivo all’intervento. In questi pazienti forse l’intervento chirurgico potrebbe essere risparmiato perché la prognosi non è favorevole nonostante l’intervento. Allo stesso tempo, ci sono pazienti che non presentano alcun rischio di recidiva o di progressione della malattia, per i quali si potrebbe prevedere un programma di monitoraggio attivo, per poi valutare l’intervento solo se la situazione si complica. In ultimo, in alcuni pazienti potrebbe essere utile, in base alla prevista progressione della malattia, ipotizzare di fare precedere all’intervento chirurgico una terapia neoadiuvante. Quindi una più accurata valutazione preoperatoria di un paziente con tumore al rene potrebbe determinare scelte diverse in base al quadro clinico prospettato.

In sostanza l’obiettivo è di evitare la chirurgia a chi non serve?

Dobbiamo precisare che la chirurgia è il trattamento di prima scelta per la patologia, ma allo stesso tempo è utile ricordare che la nefrectomia prevede l’asportazione totale o parziale del rene e che risparmiare un “over treatment”, e cioè evitare un trattamento eccessivo rispetto a quella che è la situazione effettiva del paziente, non è un aspetto di poca importanza, considerando le possibili complicanze che possono generarsi.

Oggi esistono dei protocolli di stima del rischio ma l’efficacia è bassa, per questo la scelta di sfruttare l’Intelligenza Artificiale? Lo studio, utile ricordarlo, è una nuova applicazione della piattaforma che avete sviluppato presso S-Race (San-Raffaele AI Center) dell’Università Vita-Salute San Raffaele, per trasformare i dati raccolti nella pratica clinica quotidiana in strumenti di supporto alla ricerca e alle decisioni cliniche.

Con il professor Andrea Salonia, direttore dell’Istituto di Ricerca Urologica (Uri) e ordinario di Urologia, il dottor Alessandro Larcher, urologo e il dottor Alberto Traverso, responsabile del gruppo di Data Science di S-Race, abbiamo cercato di capire come sfruttare i dati relativi ai nostri pazienti e a come sviluppare in modello Ia che ci permettesse di stabilire prima dell’intervento chirurgico il rischio di mortalità dovuta al tumore del rene. Per stimare questo rischio il modello ha individuato utilizzato 8 parametri clinici, tutti disponibili nella normale pratica assistenziale prima dell’intervento, come, ad esempio, dimensione del tumore, interessamento dei linfonodi e funzione renale. Prima di poterlo considerare corretto, ovviamente, il modello è stato validato utilizzando i dati di una coorte di pazienti di un ospedale diverso dal nostro.

L’algoritmo alla base del modello è stato sviluppato sui dati di una coorte di 2.536 pazienti trattati al San Raffaele negli ultimi anni e successivamente validato sui dati di una coorte indipendente di 580 pazienti dell’Azienda Ospedaliero-Universitaria Careggi di Firenze. Come mai?

È stato un passaggio necessario in quanto quello che osserviamo nei modelli IA è che se lo stesso viene utilizzato su database che hanno una differente modalità o accuratezza di raccolta dati i risultati sono poco affidabili. Per portare il modello alla clinica è necessario ora uno studio prospettico sui pazienti. L’esperienza derivata dallo studio della letteratura internazionale ci insegna che gli studi di validazione sono fondamentali. Infatti, negli ultimi 10 anni ci sono state circa 230 mila pubblicazioni che hanno utilizzato l’IA ma se andiamo a vedere le soluzioni effettivamente utilizzate in clinica siamo quasi a zero, tranne che nell’ambito dell’imaging diagnostico dove l’IA viene utilizzata già da diverso tempo. Uno dei problemi è proprio la carenza di studi di validazione su coorti esterne al centro che ha generato il modello.

Avete quindi valutato anche altri motivi alla base di questi fallimenti nella pratica clinica?

Esattamente e abbiamo capito che esistevano due grossi ambiti nei quali questi studi fallivano: l’analisi del dato e la riproducibilità degli stessi. In sostanza abbiamo due mondi che non si sono parlati a sufficienza e cioè chi sviluppa i modelli (ingegneri, data scientist, ecc) e chi deve utilizzarli, ovvero i medici che, è utile ricordarlo, restano i responsabili della decisione finale. Ecco perché è importante una corretta interpretazione dei dati prognostici. Fondamentale, per raggiungere questo risultato nell’ambito del tumore del rene, è stato il contributo multidisciplinare di urologi, radiologi, esperti di intelligenza artificiale, data scientist e bioinformatici, che hanno lavorato insieme allo sviluppo e alla validazione del modello.

Il modello finale è stato progettato secondo i principi della Explainable AI, ovvero un approccio che rende visibile e comprensibile il contributo delle singole variabili cliniche alla stima del rischio, anziché restituire un risultato come una “scatola nera”, favorendone così la futura integrazione nella pratica clinica. E la piattaforma S-Race?

Parliamo di una piattaforma al momento unica in Europa che consente di integrare grandi quantità di dati clinici raccolti nella pratica quotidiana, sviluppando modelli non solo accurati, ma anche trasparenti e comprensibili. È un passaggio fondamentale perché queste tecnologie possano essere adottate con fiducia, prima nella ricerca e in prospettiva nella pratica clinica.

Avete altri modelli in fase di studio?

Si, questo modello per il tumore del rene è il primo di una serie che sono in via di sviluppo presso S-Race, su altrettante domande cliniche relative a patologie oncologiche, cardiovascolari, neurologiche e metaboliche. Alcuni di questi modelli sono già stati completati e presto saranno pubblicati. Tutto questo è possibile grazie ai team multidisciplinari del San Raffaele e a importanti finanziamenti che hanno consentito di raggiungere rapidamente importanti traguardi.