Le previsioni del modello OncoNPC potrebbero consentire ai medici di scegliere trattamenti mirati per tumori difficili da trattare.
Per una piccola percentuale di malati di cancro, i medici non sono in grado di determinare l’origine del cancro. Ciò rende molto più difficile scegliere un trattamento per quei pazienti, perché molti farmaci antitumorali sono tipicamente sviluppati per specifici tipi di cancro.
Persona, sagoma della testa – interpretazione artistica. Credito immagine: Ben Sweet tramite Unsplash, licenza gratuita
Un nuovo approccio sviluppato dai ricercatori del MIT e del Dana-Farber Cancer Institute potrebbe facilitare l’identificazione dei siti di origine di questi enigmatici tumori.
Utilizzando l’apprendimento automatico, i ricercatori hanno creato un modello computazionale in grado di analizzare la sequenza di circa 400 geni e utilizzare tali informazioni per prevedere dove ha avuto origine un determinato tumore nel corpo.
Usando questo modello, i ricercatori hanno dimostrato di poter classificare con precisione almeno il 40% dei tumori di origine sconosciuta con elevata sicurezza, in un set di dati di circa 900 pazienti.
Questo approccio ha consentito di aumentare di 2,2 volte il numero di pazienti che avrebbero potuto beneficiare di un trattamento mirato guidato dal genoma, in base all’origine del tumore.
Un modello 3D del cervello – foto illustrativa. Credito immagine: Lisa Yount tramite Unsplash, licenza gratuita
“Questa è stata la scoperta più importante del nostro articolo, che questo modello potrebbe essere potenzialmente utilizzato per aiutare le decisioni terapeutiche, guidando i medici verso trattamenti personalizzati per i pazienti con tumori di origine primaria sconosciuta”, afferma Intae Moon, una studentessa laureata del MIT in ingegneria elettrica e informatica che è l’autore principale del nuovo studio.
Alexander Gusev, professore associato di medicina presso la Harvard Medical School e il Dana-Farber Cancer Institute, è l’autore senior del documento, che appare oggi in Medicina della Natura.
Origini misteriose
Nel 3-5% dei malati di cancro, in particolare nei casi in cui i tumori si sono metastatizzati in tutto il corpo, gli oncologi non hanno un modo semplice per determinare da dove ha avuto origine il cancro. Questi tumori sono classificati come tumori di primaria sconosciuta (CUP).
Questa mancanza di conoscenza spesso impedisce ai medici di essere in grado di fornire ai pazienti farmaci “di precisione”, che sono generalmente approvati per specifici tipi di cancro in cui sono noti per funzionare.
Questi trattamenti mirati tendono ad essere più efficaci e hanno meno effetti collaterali rispetto ai trattamenti utilizzati per un ampio spettro di tumori, che sono comunemente prescritti ai pazienti affetti da CUP.
Chirurgo che indossa una maschera durante l’intervento chirurgico – foto illustrativa. Credito immagine: NCI
“Un numero considerevole di individui sviluppa questi tumori di origine sconosciuta ogni anno e poiché la maggior parte delle terapie è approvata in modo specifico per il sito, dove è necessario conoscere il sito primario per distribuirle, hanno opzioni di trattamento molto limitate”, afferma Gusev. .
Moon, un’affiliata del Computer Science and Artificial Intelligence Laboratory co-consultata da Gusev, ha deciso di analizzare i dati genetici che vengono regolarmente raccolti presso Dana-Farber per vedere se potrebbero essere utilizzati per prevedere il tipo di cancro. I dati consistono in sequenze genetiche per circa 400 geni che sono spesso mutati nel cancro.
I ricercatori hanno addestrato un modello di apprendimento automatico sui dati di quasi 30.000 pazienti a cui era stato diagnosticato uno dei 22 tipi di cancro conosciuti. Quella serie di dati includeva pazienti del Memorial Sloan Kettering Cancer Center e del Vanderbilt-Ingram Cancer Center, oltre a Dana-Farber.
I ricercatori hanno quindi testato il modello risultante su circa 7.000 tumori che non aveva visto prima, ma il cui sito di origine era noto.
Il modello, che i ricercatori hanno chiamato OncoNPC, è stato in grado di prevedere le loro origini con una precisione di circa l’80%. Per i tumori con previsioni ad alta affidabilità, che costituivano circa il 65% del totale, la sua accuratezza è salita a circa il 95%.
Dopo questi risultati incoraggianti, i ricercatori hanno utilizzato il modello per analizzare una serie di circa 900 tumori di pazienti affetti da CUP, tutti provenienti da Dana-Farber. Hanno scoperto che per il 40% di questi tumori, il modello era in grado di fare previsioni ad alta affidabilità.
I ricercatori hanno quindi confrontato le previsioni del modello con un’analisi delle mutazioni germinali, o ereditarie, in un sottoinsieme di tumori con i dati disponibili, che possono rivelare se i pazienti hanno una predisposizione genetica a sviluppare un particolare tipo di cancro.
I ricercatori hanno scoperto che le previsioni del modello avevano molte più probabilità di corrispondere al tipo di cancro più fortemente previsto dalle mutazioni germinali rispetto a qualsiasi altro tipo di cancro.
Orientare le decisioni sui farmaci
Per convalidare ulteriormente le previsioni del modello, i ricercatori hanno confrontato i dati sul tempo di sopravvivenza dei pazienti CUP con la prognosi tipica per il tipo di cancro previsto dal modello.
Hanno scoperto che i pazienti con CUP a cui si prevedeva di avere un cancro con una prognosi infausta, come il cancro al pancreas, mostravano tempi di sopravvivenza corrispondentemente più brevi. Nel frattempo, i pazienti con CUP per i quali si prevedeva di avere tumori che in genere hanno prognosi migliori, come i tumori neuroendocrini, hanno avuto tempi di sopravvivenza più lunghi.
Un’altra indicazione che le previsioni del modello potrebbero essere utili è venuta dall’osservazione dei tipi di trattamenti che i pazienti CUP analizzati nello studio avevano ricevuto. Circa il 10% di questi pazienti aveva ricevuto un trattamento mirato, basato sulla migliore ipotesi dei loro oncologi sull’origine del cancro.
Tra questi pazienti, quelli che hanno ricevuto un trattamento coerente con il tipo di cancro previsto dal modello hanno avuto risultati migliori rispetto ai pazienti che hanno ricevuto un trattamento generalmente somministrato per un tipo di cancro diverso da quello previsto dal modello.
Usando questo modello, i ricercatori hanno anche identificato un ulteriore 15% di pazienti (aumento di 2,2 volte) che avrebbe potuto ricevere un trattamento mirato esistente, se il loro tipo di cancro fosse stato conosciuto. Invece, quei pazienti hanno finito per ricevere farmaci chemioterapici più generali.
“Ciò rende potenzialmente questi risultati più clinicamente attuabili perché non richiediamo l’approvazione di un nuovo farmaco. Quello che stiamo dicendo è che questa popolazione può ora essere idonea per i trattamenti di precisione già esistenti”, afferma Gusev.
I ricercatori ora sperano di espandere il loro modello per includere altri tipi di dati, come immagini patologiche e immagini radiologiche, per fornire una previsione più completa utilizzando più modalità di dati.
Ciò fornirebbe inoltre al modello una prospettiva completa dei tumori, consentendogli di prevedere non solo il tipo di tumore e l’esito del paziente, ma potenzialmente anche il trattamento ottimale.
Scritto da
Da un’altra testata giornalistica. news de www.technology.org
