Non tutti i tumori del rene si comportano allo stesso modo: pazienti con caratteristiche cliniche apparentemente simili, possono avere evoluzioni molto diverse dopo l'intervento chirurgico. Capire, già prima dell'operazione, chi presenta un rischio più elevato di malattia aggressiva è oggi una delle sfide aperte dell'urologia oncologica.

Per rispondere a questa esigenza, un gruppo multidisciplinare dell'Università Vita-Salute San Raffaele e dell'Istituto di Ricerca Urologica (URI) dell'IRCCS Ospedale San Raffaele, in collaborazione con l’Unità di Chirurgia Robotica Urologica e Trapianto Renale, dell’Università di Firenze e dell’Ospedale Careggi, 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. 

Il lavoro, pubblicato su Nature Communications, è stato sviluppato su dati clinici reali dei pazienti del San Raffaele e validato su una coorte indipendente proveniente da un altro centro, confermando prestazioni superiori rispetto ai principali modelli prognostici oggi disponibili.

 

Perché è importante valutare il rischio di mortalità prima dell’intervento

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: per questo è importante individuare già in fase preoperatoria i pazienti a rischio più elevato, per orientare con maggiore consapevolezza tutto il percorso terapeutico, dalla strategia chirurgica, alla sorveglianza dopo l’intervento sino all'eventuale ricorso a trattamenti sistemici.

“Nella pratica clinica osserviamo ogni giorno pazienti che, pur con tumori apparentemente simili, possono avere prognosi molto diverse - spiega il dottor Alessandro Larcher, medico urologo dell'Unità Operativa di Urologia dell'IRCCS Ospedale San Raffaele -. 

Disporre di uno strumento capace di stimare il rischio di recidiva o progressione del tumore prima dell'intervento significa poter aggiungere un elemento oggettivo alla valutazione clinica, a supporto di decisioni sempre più personalizzate. Il modello non sostituisce il giudizio del medico, ma nasce per affiancarlo”.

 

Le informazioni cliniche usate per stimare il rischio

Il modello utilizza soltanto 8 informazioni, tutte disponibili nella normale pratica assistenziale prima dell'intervento: 

1. dimensione del tumore; 
2. interessamento dei linfonodi; 
3. emoglobina; 
4. conta piastrinica; 
5. funzionalità renale; 
6. età; 
7. indice di massa corporea; 
8. performance status del paziente (una misura clinica standardizzata delle condizioni generali del paziente). 

L'algoritmo è stato sviluppato su una coorte di 2.536 pazienti trattati al San Raffaele negli ultimi anni e successivamente validato su una coorte indipendente di 580 pazienti dell'Azienda Ospedaliero-Universitaria Careggi di Firenze. Un passaggio che rafforza l'attendibilità dei risultati al di fuori del centro in cui il modello è nato. Tra gli studi che propongono modelli prognostici basati esclusivamente su variabili preoperatorie, è a oggi quello condotto sulla casistica più ampia.

Un aspetto rilevante dello studio riguarda l'approccio scelto per l'intelligenza artificiale: il modello finale è stato progettato secondo i principi della Explainable AI — 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.

 

S-RACE: quando i dati della pratica clinica diventano strumenti per la ricerca

Lo studio è una nuova applicazione di S-RACE, la piattaforma sviluppata dall'Università Vita-Salute San Raffaele e dall'IRCCS Ospedale San Raffaele per trasformare i dati raccolti nella pratica clinica quotidiana (i cosiddetti Real World Data) in strumenti di supporto alla ricerca e alle decisioni cliniche, secondo i principi di un'intelligenza artificiale responsabile e interpretabile.

“Questo studio dimostra concretamente il potenziale di S-RACE – afferma il dottor Alberto Traverso, Responsabile scientifico del gruppo di Data Science S-RACE, Centro di eccellenza intelligenza artificiale –. La nostra piattaforma ci 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”.

Attraverso una pipeline dedicata, una sequenza automatizzata di procedure che organizza, controlla la qualità dei dati clinici e li prepara per l'analisi, i ricercatori hanno trasformato migliaia di informazioni raccolte nella pratica assistenziale in un dataset pronto per lo sviluppo del modello. Il confronto con il tradizionale processo di selezione manuale dei dati, curato da un clinico esperto, ha mostrato prestazioni sovrapponibili, a conferma che la pipeline automatizzata può affiancare in modo affidabile il lavoro degli specialisti nella preparazione dei dati per la ricerca. 

È rilevante che l'algoritmo abbia individuato 2 nuove variabili, oltre ai 6 predittori già presenti nel dataset clinico curato manualmente. Ciò apre alla possibile scoperta di biomarcatori ignorati dagli attuali modelli prognostici largamente diffusi nel mondo urologico e determinati in maniera agnostica dalla AI basandosi puramente sui dati raccolti. 

 

La forza dell'integrazione tra competenze cliniche e innovazione tecnologica

“Questo studio nasce dall'incontro tra una consolidata esperienza clinica nella gestione del carcinoma renale e competenze avanzate di intelligenza artificiale e scienza dei dati - commenta il professor Andrea Salonia, urologo, andrologo, direttore dell’Istituto di Ricerca Urologica (URI) e ordinario di Urologia all'Università Vita-Salute San Raffaele -. Sviluppare modelli di questo tipo significa valorizzare il patrimonio di dati clinici raccolto in oltre 30 anni di attività, trasformandolo in conoscenza utile a migliorare la presa in carico dei pazienti”.

Determinante, per raggiungere questo risultato, 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.

 

Una IA responsabile al servizio della medicina

“L'intelligenza artificiale può produrre un reale valore per la medicina solo se sviluppata secondo criteri di trasparenza, robustezza e verificabilità - conclude il professor Carlo Tacchetti, ordinario di Anatomia Umana e Direttore del Programma Strategico di IA dell'Università Vita-Salute San Raffaele -. Il nostro obiettivo non è costruire algoritmi fini a sé stessi, ma strumenti affidabili in grado di supportare il medico nelle decisioni cliniche. Per questo il modello è stato reso disponibile anche attraverso un'applicazione web, che ne faciliterà la validazione in altri centri e potrà favorirne, in futuro, l'integrazione nei percorsi di ricerca clinica. Questo modello 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. Tre di questi modelli già stati completati e presto saranno pubblicati”.

Lo studio è stato finanziato dal Ministero dell'Università e della Ricerca nell'ambito del progetto D³4Health – Digital Driven Diagnostics, Prognostics and Therapeutics for Sustainable Healthcare.