L'intelligenza artificiale (IA) e i modelli di apprendimento automatizzati, o 'machine learning', sono sempre più utilizzati nel campo dell'oncologia ed aprono importanti prospettive per il trattamento dei pazienti. Un ambito all'avanguardia al quale sono dedicate varie sessioni del Congresso della Società americana di oncologia clinica (Asco), il più importante appuntamento mondiale del settore: nuovi studi presentati all'Asco dimostrano ad esempio che l'IA ha il potenziale per identificare i pazienti candidabili a studi sperimentali di medicina di precisione o di valutare il rischio che si verifichino eventi acuti gravi nei successivi 30 giorni.

Il primo è uno studio pilota condotto al Dana-Farber Cancer Institute: ha utilizzato un algoritmo di intelligenza artificiale per prevedere quando è più probabile che i pazienti debbano cambiare trattamenti e possano essere abbinati a una sperimentazione clinica per la quale potrebbero risultare idonei in quel momento. Il modello è stato addestrato utilizzando 302'688 rapporti di imaging per 16'780 pazienti presso il Dana-Farber. Il modello è stato quindi collegato alla piattaforma MatchMiner del Dana-Farber, che abbina il profilo genomico dei pazienti affetti da cancro agli studi clinici di medicina di precisione. Il nuovo algoritmo, spiega Kenneth Kehl, autore principale dello studio, "ha lo scopo di valutare lo stato dei pazienti in tempo reale in modo da poter determinare chi sta avendo un peggioramento della malattia ed è probabile che cambi i trattamenti molto presto". In totale, 2'150 pazienti avevano tumori con corrispondenze genomiche per almeno 1 dei 9 studi di medicina di precisione considerati. Di questi, il modello IA ha determinato che 525 avrebbero probabilmente cambiato trattamento. Tali pazienti hanno potuto dunque essere inseriti in studi di medicina di precisione in tempo reale e nel momento più idoneo sulla base dell'evoluzione della loro patologia. Il secondo studio è stato condotto al Massachusetts General Hospital ed ha dimostrato che l'inserimento di dati riferiti dal paziente nell'ambito di modelli di apprendimento automatico, può aiutare a prevedere se i pazienti hanno un rischio elevato di aver bisogno di cure acute entro 30 giorni. Lo studio ha analizzato 4'193 pazienti che hanno completato 20'359 sondaggi: si sono verificati 2'118 eventi acuti entro 30 giorni.

Si tratta, ha affermato Thomas Roberts, autore principale dello studio, di un "passo molto importante, perchè questo lavoro ci aiuta a stabilire modi per ridurre gli eventi acuti nei pazienti ad alto rischio". L'IA in aiuto dei pazienti dunque, anche se non mancano le voci di chi invita comunque alla cautela. "Sebbene queste tecnologie promettano di aumentare la produttività e migliorare i risultati, bisogna ricordare che, proprio come i loro creatori umani, non sono infallibili - è la posizione di Benjamin H. Kann, professore di radioterapia oncologica della Yale School of Medicine -. È necessario introdurle con un occhio critico, tenendo a mente i loro limiti, che devono essere conosciuti anche dalle autorità responsabili dei processi decisionali e dell'organizzazione dei sistemi sanitari".