Cancro al polmone: verso un’efficace terapia personalizzata grazie all’intelligenza artificiale

L'Istituto nazionale dei tumori di Milano capofila di un progetto di ricerca internazionale per la cura della terza neoplasia più diagnosticata nei paesi industrializzati

Ricerca medica

Ricerca medica

Milano – Passi avanti verso una terapia personalizzata per il tumore del polmone. L'Istituto nazionale dei tumori (Int) di Milano è capofila del progetto internazionale di ricerca I3LUNG finanziato con 10 milioni di euro dall'Ue: l'obiettivo è individuare, sfruttando le potenzialità dell'intelligenza artificiale, diversi possibili biomarcatori per rendere 'a misura di paziente’, e quindi più efficace, l'immunoterapia contro questa neoplasia.

Coordina il progetto Arsela Prelaj, ricercatrice dell'Int. Lo studio è pubblicato su Clinical Lung Cancer. Il carcinoma polmonare non a piccole cellule (NSCLC) è attualmente la tipologia di tumore del polmone più frequente. Ai pazienti affetti da NSCLC che non possono accedere alle terapie target, viene proposta l'immunoterapia, che tuttavia non risulta efficace in tutti i casi. Il tumore del polmone è terzo nella classifica delle neoplasie più diagnosticate - 40mila casi all'anno nel nostro Paese - e prima causa di morte per cancro nei Paesi industrializzati.

La possibilità di somministrare le nuove terapie è però subordinata a una precisa diagnosi molecolare e l'immunoterapia è notevolmente efficace nei soggetti che esprimono alti livelli di uno specifico biomarcatore, la proteina PD-L1. Il problema, come sottolineato dalla ricercatrice, è che questo biomarcatore, approvato perché il migliore tra quelli individuati, non è perfetto. “In Italia, l'approccio terapeutico attuale prevede che i soggetti con PD-L1 elevato possano accedere all'immunoterapia da sola, mentre quelli con PD-L1 basso accedono all'immunoterapia associata a chemioterapia. Esiste tuttavia una percentuali di pazienti con livelli bassi che risponde bene ugualmente all'immunoterapia da sola”, sottolinea Prelaj.

Da qui l'idea della ricercatrice che s possa arrivare a una migliore profilazione molecolare del paziente non con uno, ma con più biomarcatori, da individuare analizzando i dati clinici, in parte già disponibili e in parte ancora da raccogliere, anche con l'uso dell'IA, molto più efficiente dei metodi convenzionali nell'individuare correlazioni e informazioni salienti, magari sfuggite finora all'attenzione dei ricercatori.