L’algoritmo PMPD e la gestione del tumore al pancreas

Indice

• Nuovi sistemi diagnostici
• L’architettura tecnica dell’algoritmo PMPD
• Futuro della medicina di precisione

Il carcinoma del pancreas è forse la realtà più complessa e frustrante dell’oncologia moderna. Con una sopravvivenza a cinque anni che si attesta attorno al 5% nella maggior parte dei casi, questa neoplasia continua a mietere centinaia di migliaia di vittime ogni anno nel mondo. Cresce rapidamente, metastatizza precocemente e quando finalmente si manifesta con sintomi evidenti, nella stragrande maggioranza dei casi è già troppo tardi per intervenire con successo. Anche quando il tumore viene identificato in uno stadio apparentemente operabile, i chirurghi si trovano di fronte a un dilemma angosciante, ossia se procedere con un intervento estremamente invasivo che potrebbe rivelarsi inutile se il cancro si è già diffuso in modo occulto ad altri organi.

Proprio per affrontare questa situazione clinica disperata, un team internazionale guidato dal Centro Nacional de Investigaciones Oncológicas di Madrid, sotto la direzione della dottoressa Núria Malats, ha sviluppato un algoritmo di apprendimento profondo denominato PMPD, acronimo di Pancreatic cancer Metastasis Prediction Deep-learning algorithm. Questo modello ad alte prestazioni aiuta i chirurghi a rilevare metastasi che altrimenti sfuggirebbero anche agli esami radiologici più accurati, permettendo di affinare la pianificazione chirurgica e migliorare gli esiti per i pazienti affetti da carcinoma pancreatico.

Nuovi sistemi diagnostici

L’essenza del problema clinico è brutalmente semplice quanto devastante. Se una persona con cancro al pancreas ha già sviluppato metastasi, l’intervento chirurgico non potrà curare la malattia e può persino peggiorare la situazione del paziente, poiché la chirurgia pancreatica è estremamente invasiva e può causare al paziente sofferenze maggiori senza migliorare minimamente la prognosi. Ecco perché diventa assolutamente essenziale sapere in anticipo se esistono metastasi prima di decidere se procedere con l’operazione. Il problema è che le attuali tecniche di imaging, per quanto sofisticate, hanno dei limiti oggettivi nella capacità di rilevare metastasi di piccole dimensioni e localizzate in sedi anatomiche difficili da visualizzare.

Nel trial clinico olandese PREOPANC, dedicato allo studio del trattamento di prima linea per il cancro pancreatico, la laparoscopia di stadiazione ha rilevato metastasi occulte in circa il dieci percento dei pazienti con cancro pancreatico resecabile o borderline resecabile, metastasi che non erano state rilevate dalla tomografia computerizzata multifase dell’addome. Questo dato sottolinea quanto sia rilevante il fenomeno delle metastasi occulte: una percentuale significativa di pazienti viene sottoposta a interventi chirurgici inutili e debilitanti proprio perché le metastasi non vengono individuate dai sistemi diagnostici convenzionali prima dell’operazione.

L’architettura tecnica dell’algoritmo PMPD

L’algoritmo PMPD è stato costruito utilizzando immagini di tomografia computerizzata con contrasto nella fase portale venosa di trecentotrentacinque pazienti affetti da adenocarcinoma duttale pancreatico provenienti dallo studio PanGenEU e dal First Affiliated Hospital della Zhengzhou University in Cina, suddivisi casualmente in set di addestramento e validazione interna mediante una procedura di validazione incrociata a cinque ripetizioni. Questa metodologia di cross-validation è importante per evitare l’overfitting, cioè il rischio che il modello impari a memoria i dati di addestramento senza sviluppare una reale capacità di generalizzazione su nuovi pazienti.

Il cuore tecnologico del PMPD risiede nella sua architettura fusion-based, una strategia di apprendimento profondo che integra informazioni provenienti da molteplici fonti per costruire una rappresentazione più ricca e accurata della realtà clinica.

L’algoritmo utilizza reti neurali convoluzionali. Le CNN sono particolarmente efficaci perché apprendono automaticamente gerarchie di caratteristiche visive: dai bordi e dalle texture nei primi strati della rete, fino a pattern complessi e astratti negli strati più profondi che corrispondono a strutture anatomiche e alterazioni patologiche significative. Nel caso del PMPD, la rete impara a riconoscere pattern morfologici e di enhancement del contrasto nelle immagini del tumore primario che sono statisticamente associati alla presenza di metastasi in altri organi, anche quando queste metastasi non sono direttamente visibili nelle scansioni.

Futuro della medicina di precisione

L’algoritmo PMPD rappresenta molto più di un semplice strumento diagnostico: incarna un cambiamento paradigmatico nel modo in cui viene affrontato il cancro pancreatico e più in generale i tumori solidi. La capacità di predire le metastasi analizzando esclusivamente le caratteristiche morfologiche e radiologiche del tumore primario suggerisce che esistono pattern informativi nascosti nelle immagini mediche che superano la capacità percettiva dell’occhio umano, anche quello più esperto. Questi pattern potrebbero riflettere proprietà biologiche profonde del tumore: la sua aggressività intrinseca, il suo potenziale metastatico, le caratteristiche della sua vascolarizzazione e del microambiente tumorale.

In un futuro non lontano, potremmo immaginare algoritmi ancora più sofisticati che integrano non solo le immagini radiologiche ma anche dati clinici, biomarcatori circolanti, informazioni genetiche e genomiche del tumore, profili di espressione genica e persino dati di radiomica avanzata estratti da modalità di imaging multiple.  

Il lavoro del team guidato da Núria Malats al Centro Nacional de Investigaciones Oncológicas rappresenta un contributo pionieristico in questo senso. Ma la vera rivoluzione non sarà tecnologica bensì clinica e culturale: imparare a integrare la potenza dei modelli predittivi con il giudizio e l’esperienza del medico, utilizzare l’intelligenza artificiale non come un oracolo infallibile ma come uno strumento che amplifica le capacità umane, mantenendo sempre al centro il paziente con i suoi bisogni, le sue speranze e la sua dignità.

Il cancro del pancreas continuerà probabilmente a essere una delle neoplasie più difficili da sconfiggere per molti anni ancora. Ma strumenti come l’algoritmo PMPD ci avvicinano a un futuro in cui almeno potremo evitare sofferenze inutili, dove ogni paziente riceverà il trattamento più appropriato per la sua specifica situazione clinica, dove la chirurgia sarà riservata a chi può realmente beneficiarne e dove la medicina personalizzata non sarà più una promessa ma una realtà quotidiana nelle corsie dei nostri ospedali.