Carcinoma renale, l'intelligenza artificiale stima il rischio pre-chirurgia

Un modello di intelligenza artificiale sviluppato da Università Vita-Salute San Raffaele e IRCCS Ospedale San Raffaele, in collaborazione con Università di Firenze, stima, prima dell'intervento chirurgico, il rischio di mortalità tumore-specifica nei pazienti con carcinoma renale non metastatico. Lo studio, pubblicato su Nature Communications, si basa su otto parametri clinici già raccolti nella pratica assistenziale abituale ed è stato sviluppato su una coorte di 2.536 pazienti trattati al San Raffaele, poi validato su una coorte indipendente di 580 pazienti dell'Azienda Ospedaliero-Universitaria Careggi di Firenze. Il modello, progettato secondo i principi della Explainable AI, rende visibile il contributo di ogni variabile alla stima del rischio, senza restituire un risultato come una “scatola nera”.

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 un paziente su tre 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 il tutto il percorso terapeutico, dalla strategia chirurgica, alla sorveglianza dopo l’intervento sino all'eventuale ricorso a trattamenti sistemici.

Il modello utilizza otto variabili, tutte già disponibili nella pratica clinica prima dell'intervento: dimensione del tumore, interessamento dei linfonodi, emoglobina, conta piastrinica, funzionalità renale, età, indice di massa corporea e performance status, una misura clinica standardizzata delle condizioni generali del paziente. Nessuna di queste informazioni richiede esami aggiuntivi rispetto al percorso diagnostico già in uso.

Il modello segue inoltre 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”. Questa caratteristica ne favorisce la futura integrazione nella pratica clinica, perché medici e pazienti possono verificare quali fattori pesano di più sulla previsione.

Nella pratica clinica osserviamo ogni giorno pazienti che, pur con tumori apparentemente simili, possono avere prognosi molto diverse. Disporre di uno strumento capace di stimare il rischio già 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.

spiega il dottor Alessandro Larcher, medico urologo dell'Unità di Urologia dell'IRCCS Ospedale San Raffaele.

L'algoritmo è stato sviluppato su una coorte di 2.536 pazienti trattati al San Raffaele negli ultimi anni e validato su una coorte indipendente di 580 pazienti dell'Azienda Ospedaliero-Universitaria Careggi di Firenze. La validazione su un centro esterno rafforza l'attendibilità dei risultati al di fuori del contesto in cui il modello è nato: tra gli studi che propongono modelli prognostici basati esclusivamente su variabili preoperatorie, questo risulta oggi quello condotto sulla casistica più ampia, con prestazioni superiori rispetto ai principali modelli prognostici oggi disponibili per il carcinoma renale non metastatico.

Lo studio è una nuova applicazione di S-RACE, la piattaforma sviluppata da Università Vita-Salute San Raffaele e 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.

Attraverso una pipeline dedicata, una sequenza automatizzata di procedure che organizza, controlla la qualità e prepara i dati clinici 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: la pipeline automatizzata può quindi affiancare in modo affidabile il lavoro degli specialisti nella preparazione dei dati per la ricerca. L'algoritmo ha individuato, oltre a sei predittori già presenti nel dataset clinico curato manualmente, due nuove variabili: un risultato che apre alla possibile scoperta di biomarcatori non considerati dagli attuali modelli prognostici delle società urologiche, identificati in modo agnostico dall'intelligenza artificiale sulla base dei soli dati raccolti.

Questo studio dimostra concretamente il potenziale di S-RACE. 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,

afferma il dottor Alberto Traverso, Responsabile scientifico del gruppo di Data Science S-Race, Centro di eccellenza intelligenza artificiale di Ateneo.

Determinante, per raggiungere questo risultato, è stato il contributo multidisciplinare di esperti ed esperte in urologia, radiologia, intelligenza artificiale, data science e bioinformatica, che hanno lavorato insieme allo sviluppo e alla validazione del modello.

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. Sviluppare modelli di questo tipo significa valorizzare il patrimonio di dati clinici raccolto in oltre trent'anni di attività, trasformandolo in conoscenza utile a migliorare la presa in carico dei pazienti,

commenta il professor Andrea Salonia, ordinario di Urologia all'Università Vita-Salute San Raffaele e urologo, andrologo, direttore dell'Istituto di Ricerca Urologica – URI di Ospedale San Raffaele.

Il tema della responsabilità torna anche nelle parole del professor Carlo Tacchetti, docente di Anatomia Umana e Direttore del Programma Strategico di IA dell'Università Vita-Salute San Raffaele:

L'intelligenza artificiale può produrre un reale valore per la medicina solo se sviluppata secondo criteri di trasparenza, robustezza e verificabilità. 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,

conclude Tacchetti.

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.

Per saperne di più: link allo studio.