Lo strumento di Machine Learning offre speranza nella diagnosi del cancro a sede ignota

La maggior parte dei tumori origina in una parte specifica del corpo, rendendo cruciale per i medici individuare la fonte per trattare i pazienti in modo efficace. Tuttavia, nel tre-cinque percento dei casi, il lavoro diagnostico standard non riesce a identificare il sito primario, portando a una prognosi infausta per coloro che hanno questa condizione nota come Cancro a Sede Ignota (CUP). Spesso, i medici ricorrono a trattamenti ampi che sono meno efficaci e accompagnati da più effetti collaterali rispetto alle terapie mirate. Di conseguenza, i pazienti CUP affrontano una rapida progressione della malattia, con tassi di sopravvivenza che in media sono solo sei-diciassette mesi.

Presentazione di OncoNPC: una soluzione di machine learning

Intae Moon, studente di dottorato presso il Massachusetts Institute of Technology (MIT) e il Dana-Farber Cancer Institute, ha cercato di rivoluzionare la diagnosi del sito primario del CUP. Sebbene il Next Generation Sequencing (NGS) possa identificare le mutazioni tumorali e assistere nel determinare i tipi di cancro, la vasta quantità di dati sulle mutazioni generate può sopraffare i medici durante la diagnosi iniziale. Tipicamente, il NGS viene utilizzato solo dopo l'identificazione del tipo di cancro per individuare mutazioni specifiche per le terapie mirate. Tuttavia, il NGS non era stato ampiamente esplorato per la diagnosi clinica e la prognosi del CUP. Moon e i colleghi hanno sviluppato un modello di machine learning noto come OncoNPC (Oncology NGS-based Primary Cancer-type Classifier) per colmare questa lacuna. Questo approccio innovativo mira ad analizzare i dati complessi delle mutazioni in modo efficiente.

Sbloccare il potere del machine learning

Pubblicato su Nature Medicine, lo studio sfrutta le capacità dell'algoritmo XGBoost per scrutinare le regioni del DNA alla ricerca di modelli di mutazioni genetiche più fortemente associate a vari tipi di cancro. Sfruttando i dati NGS da 36.445 campioni tumorali con tumori primari noti, i ricercatori hanno impiegato OncoNPC per identificare mutazioni genetiche, alterazioni del numero di copie e firme mutazionali. Il modello ha anche incorporato l'età del paziente e il sesso biologico dalle cartelle cliniche elettroniche. Addestrando OncoNPC sui dati di tre diversi centri oncologici negli Stati Uniti, il team ha collegato firme genetiche specifiche con 22 diversi tipi di cancro. Dopo l'addestramento, hanno valutato le prestazioni di OncoNPC su dati precedentemente esclusi, raggiungendo un tasso di precisione impressionante.

Un faro di speranza per i pazienti CUP

Applicando OncoNPC ai tumori di 971 pazienti CUP trattati al Dana-Farber Cancer Institute, i ricercatori hanno classificato con alta confidenza il 41,2 percento dei tumori CUP. Inoltre, hanno identificato le caratteristiche genetiche più rilevanti per identificare ogni tipo di cancro, fornendo preziose intuizioni cliniche e biologiche sulla natura enigmatica dei tumori CUP.

Dato che i siti tumorali primari erano sconosciuti in questi casi, la precisione del modello è stata validata confrontando i risultati con i dati NGS dei pazienti per identificare eventuali predisposizioni genetiche per un tipo specifico di cancro. Incoraggiante, le previsioni del modello si sono allineate strettamente con il tipo di cancro indicato più fortemente da queste mutazioni ereditate.

Migliorare la sopravvivenza dei pazienti attraverso trattamenti di precisione

Per valutare l'impatto del trattamento dei pazienti in base alle previsioni di OncoNPC sulla loro sopravvivenza, il team ha condotto un'analisi retrospettiva di 158 pazienti CUP che hanno ricevuto il trattamento iniziale al Dana-Farber. Oncologi certificati hanno revisionato le cartelle cliniche dei pazienti per determinare se i trattamenti erano allineati con le previsioni di tipo di cancro di OncoNPC. I risultati sono stati promettenti, mostrando che i pazienti CUP il cui primo trattamento palliativo corrispondeva alle previsioni di OncoNPC hanno sperimentato tassi di sopravvivenza significativamente migliori rispetto a quelli i cui trattamenti non erano allineati.

Prospettive e orizzonti in espansione

I ricercatori hanno piani ambiziosi per il futuro di OncoNPC. Sebbene il modello abbia dimostrato prestazioni decenti per pazienti di vari background etnici, sono necessarie ulteriori ricerche per confermare la sua efficacia tra pazienti diversi. Inoltre, OncoNPC si concentra sui 22 tipi di cancro più comuni e potrebbe non identificare la fonte se il CUP origina da un sito meno comune.

Tuttavia, l'impatto potenziale di OncoNPC nel campo medico è innegabile. Gli ospedali che utilizzano il sequenziamento tumorale NGS potrebbero incorporarlo come fonte aggiuntiva di informazioni per gli oncologi, aprendo la strada a decisioni di trattamento del cancro più precise ed efficaci. Questo progresso, radicato nei dati di test clinici di routine, offre speranza a molti pazienti CUP, la cui prognosi è stata a lungo disastrosa.

Nella battaglia implacabile contro il cancro, l'emergere di OncoNPC rappresenta un raggio di speranza per i pazienti con Cancro a Sede Ignota. Con la sua impressionante precisione nell'identificare i tipi di cancro e il potenziale di migliorare la sopravvivenza dei pazienti attraverso trattamenti di precisione, questo strumento di machine learning potrebbe rivoluzionare il modo in cui i medici diagnosticano e gestiscono questa condizione impegnativa. Sebbene ci siano sfide da superare e ulteriori ricerche da fare, il potenziale di OncoNPC di fare la differenza nella vita dei pazienti CUP è sia promettente che rivoluzionario.