Pubblicata una ricerca guidata da Humanitas che cambia l'approccio a questo tumore del sangue: nuovi strumenti genetici e AI per cure sempre più personalizzate
La leucemia mielomonocitica cronica è una forma di tumore raro del sangue spesso difficile da affrontare. Si caratterizza per un aumento anomalo dei monociti - un tipo di globuli bianchi che partecipano alla risposta immunitaria - e per un quadro clinico molto variabile da paziente a paziente. Colpisce soprattutto gli anziani (età media 70-75 anni) e, in alcuni casi, può trasformarsi in leucemia mieloide acuta, una variante più aggressiva della malattia.
I risultati di uno studio multicentrico, pubblicato sul Journal of Clinical Oncology, aprono però nuove strade: un team internazionale ha sviluppato un approccio innovativo basato sulla medicina di precisione per migliorare la gestione della malattia. Il progetto, condotto su larga scala con la partecipazione di centri di ricerca in Europa, Stati Uniti e Taiwan, è stato ideato e guidato da Humanitas, che ha curato sia il coordinamento scientifico sia l'impiego di tecniche avanzate di intelligenza artificiale.
“Integrare informazioni genetiche e cliniche consente di ottenere una valutazione più precisa della prognosi e di personalizzare le decisioni terapeutiche”, spiega a OMaR Matteo Giovanni Della Porta, responsabile di Leucemie dell’IRCCS Istituto Clinico Humanitas e professore di Humanitas University. “Questo approccio permette di identificare meglio i pazienti che possono beneficiare di strategie più intensive, come il trapianto, e di pianificare il percorso di cura in modo più mirato”.
UN’ANALISI SU LARGA SCALA
Il punto di partenza è stato un lavoro di raccolta dati senza precedenti: i ricercatori hanno esaminato informazioni cliniche e genetiche di oltre 3.500 pazienti, utilizzando un approccio multimodale. Da questa analisi sono emersi nove gruppi molecolari distinti, ciascuno legato ad alterazioni genetiche specifiche e a diversi scenari clinici. Circa il 15% dei pazienti ha inoltre mostrato caratteristiche in comune con altri tumori mieloidi, lasciando intendere che i confini tra queste malattie siano più sfumati di quanto si pensasse.
“Attualmente questa patologia non ha trattamenti efficaci o curativi, nel senso completo del termine, se non il trapianto di cellule staminali emopoietiche. Essendo per la maggior parte dei pazienti anziani, tale procedura è gravata da un rischio non trascurabile di tossicità e mortalità. È quindi essenziale una selezione accurata dei pazienti eligibili e, parallelamente, una selezione del tempo ottimale in cui eseguire la procedura”, continua Dalla Porta. Nei pazienti non candidabili per il trapianto può essere valutato l’uso di azacitidina (un chemioterapico) e, nei casi proliferativi, di idrossiurea (anch’esso un chemioterapico), per controllare il numero dei globuli bianchi.
“In questo contesto, i risultati dello studio offrono una prospettiva completamente diversa per personalizzare della procedura trapiantologica, ottimizzando il profilo di rischio ed efficacia a livello del singolo paziente tenendo conto non solo del suo stato di salute generale, ma anche della specifica biologia della sua malattia.”
UN SISTEMA GIÀ APPLICATO NELLA PRATICA CLINICA
La ricerca non è rimasta confinata ai laboratori. Grazie all'integrazione di dati molecolari, parametri clinici e modelli computazionali basati sull'intelligenza artificiale, i ricercatori hanno messo a punto strumenti capaci di stimare con maggiore precisione l'evoluzione della malattia e di orientare le scelte terapeutiche caso per caso. I risultati sono già concreti: l'adozione del nuovo modello ha modificato la pianificazione del trattamento nel 31% dei casi, con un miglioramento atteso della sopravvivenza nei pazienti considerati idonei a terapie più intensive come il trapianto di cellule staminali.
“Questa nuova mappa genetica permette di descrivere la malattia in modo più preciso rispetto alle classificazioni tradizionali, offrendo uno strumento per comprendere meglio le differenze tra i pazienti e la variabilità clinica che osserviamo nella pratica”, aggiunge Luca Lanino. “Una classificazione più accurata rappresenta la base per sviluppare strategie terapeutiche sempre più mirate”.
LA METÀ DEI PAZIENTI È GIÀ STATA RICLASSIFICATA
“Parallelamente - continua Dalla Porta - la definizione di sottogruppi omogenei dal punto di vista molecolare all'interno di questa malattia pone le basi per lo sviluppo di trattamenti innovativi mirati basati sulle caratteristiche biologiche della malattia a livello individuale.” Infatti, dai dati raccolti è nato l'International CMML Prognostic Scoring System (iCPSS), un sistema prognostico inedito che combina mutazioni genetiche, parametri ematologici e anomalie cromosomiche. Il modello suddivide i pazienti in cinque gruppi con differenti probabilità di sopravvivenza e di evoluzione verso la leucemia acuta, superando in precisione i sistemi precedentemente in uso. Un dato su tutti: circa il 55% dei pazienti è stato ricollocato in una categoria di rischio diversa rispetto a quella assegnata in precedenza.
IL RUOLO DELL’INTELLIGENZA ARTIFICIALE
Tra gli elementi più innovativi dello studio c'è il ricorso a strumenti avanzati di analisi dei dati e a modelli decisionali sviluppati con tecniche di intelligenza artificiale, anche nell’Humanitas AI Center. Tra le linee di ricerca del centro figura lo sviluppo dei cosiddetti gemelli digitali: rappresentazioni virtuali del paziente costruite integrando dati clinici, genomici, immagini mediche, trattamenti e risultati ottenuti, pensate in particolare per le malattie oncoematologiche. I ricercatori hanno inoltre implementato una piattaforma di apprendimento federato, che permette di aggiornare continuamente il modello attingendo a dati provenienti da più centri, senza che le informazioni sensibili dei singoli pazienti vengano condivise direttamente. L'utilizzo di dati sintetici ha infine consentito di creare scenari clinici realistici per testare e validare il modello in vista di future applicazioni.
