Vedi traduzione automatica
Questa è una traduzione automatica. Per vedere il testo originale in inglese cliccare qui
#News
{{{sourceTextContent.title}}}
Strumento AI per prevedere l'efficacia della terapia checkpoint
{{{sourceTextContent.subTitle}}}
I ricercatori della Case Western Reserve University hanno sviluppato un nuovo strumento computazionale per prevedere, sulla base della TC, se i pazienti affetti da tumore ai polmoni beneficeranno della terapia antitumorale con immunocardio inibitore dei punti di controllo. Si tratta di uno sviluppo entusiasmante per i pazienti che soffrono di cancro ai polmoni, e può un giorno aiutare a prendere decisioni mediche.
{{{sourceTextContent.description}}}
Attualmente, non ci sono biomarcatori predittivi per indicare se i pazienti con cancro polmonare a cellule non piccole (NSLC) beneficeranno della terapia con inibitore del punto di controllo immunitario, una nuova forma di terapia oncologica che aiuta il sistema immunitario del corpo a combattere il cancro in modo più efficace. Attualmente, solo 1 su 5 pazienti NSLC beneficia della terapia con inibitore del punto di controllo immunitario. Al fine di informare meglio le decisioni mediche, i ricercatori hanno sviluppato uno strumento computazionale per prevedere se i pazienti trarrebbero beneficio da una terapia basata su immagini TC dei polmoni.
Un paziente NSLC sarebbe prima sottoposto a TC imaging, aiutando a visualizzare il nodulo tumorale nei polmoni. Lo strumento di calcolo analizza la dimensione del nodulo, insieme a caratteristiche più sottili come la texture e la forma. Queste caratteristiche vengono poi utilizzate per prevedere se un paziente risponderebbe o meno alla terapia immunologica. I ricercatori hanno formato un classificatore di analisi discriminante lineare (LDA) utilizzando i dati di 139 pazienti NSLC per questo compito, ma il sistema può probabilmente essere migliorato con un set di dati più ampio.
Utilizzando set di dati multipli per la formazione e la convalida, i ricercatori hanno trovato un'area sotto la curva da 0,81 a 0,85 per identificare i rispondenti dai non-risponditori. Hanno anche identificato che le caratteristiche radiologiche identificate erano associate ad una maggiore infiltrazione di cellule immunitarie nel tessuto polmonare, sulla base di biopsie diagnostiche eseguite su alcuni dei pazienti dello studio. Il lavoro futuro includerà la sperimentazione dell'algoritmo su casi provenienti da altri siti clinici e con diversi agenti immunoterapici.
"Questo è importante perché quando un medico decide in base alle sole immagini TC se un paziente ha risposto alla terapia, spesso si basa sulle dimensioni della lesione", ha detto Mohammad Khorrami, uno studente laureato e co-autore dello studio, in un comunicato stampa di Case Western. "Abbiamo scoperto che il cambiamento strutturale è un miglior fattore predittivo del funzionamento della terapia.
"Questa è una dimostrazione del valore fondamentale del programma, che il nostro modello di apprendimento automatico potrebbe prevedere la risposta in pazienti trattati con diversi inibitori del punto di controllo immunitario", ha detto Prateek Prasanna, un associato di ricerca post-dottorato e co-autore dello studio. "Abbiamo a che fare con un principio biologico fondamentale."
Lo studio sulla rivista Cancer Immunology Research: Le variazioni delle caratteristiche radiomiche della TC associate alla distribuzione dei linfociti prevedono la sopravvivenza globale e la risposta all'immunoterapia nel carcinoma polmonare a cellule non piccole