La sfida
Il tumore al seno rimane la principale causa di decessi correlati al cancro tra le donne in tutto il mondo, con 2,3 milioni di nuovi casi e 685.000 decessi nel 20221Nonostante i progressi nella diagnostica precoce e nello screening, prevedere le risposte al trattamento e la progressione della malattia rimane una sfida significativa2. Per gli oncologi, a causa della grande variabilità che esiste fra pazienti e terapie, non è facile elaborare piani terapeutici. Tuttavia, approcci empirici spesso portano a risultati non ottimali per i pazienti, nonché a livelli di tossicità evitabili; ad esempio, alcuni pazienti che potrebbero beneficiare di trattamenti prechirurgici in grado di ridurre la mortalità, come la chemioterapia neoadiuvante (NAC), potrebbero non essere individuati come tali. Pertanto, è necessario disporre di strumenti predittivi accurati che possano migliorare gli esiti clinici, consentendo di personalizzare il trattamento e minimizzando così il rischio di effetti collaterali.
La soluzione
Quibim ha stretto numerosi accordi di collaborazione strategica per sviluppare modelli basati sulla radiomica: questi modelli utilizzano la risonanza magnetica per immagini (MRI) e la tomografia a emissione di positroni con fluoro-18 fluorodesossiglucosio (18F-FDG-PET) per prevedere la risposta al trattamento nei pazienti con cancro al seno. In particolare, in uno studio già pubblicato3 , l'obiettivo era quello di eseguire analisi radiomiche per prevedere la risposta patologica completa (pCR) alla NAC, che funge da marcatore surrogato per la sopravvivenza libera da malattia a lungo termine e la sopravvivenza complessiva. I partner di Quibim hanno supportato la raccolta di esami MRI e 18F-FDG-PET attraverso le loro reti ospedaliere per addestrare i modelli predittivi basati su intelligenza artificiale. Questi sforzi garantiscono risultati solidi e riproducibili in tutti gli ambienti clinici:
- Segmentazione ed estrazione dei parametri:lo strumento di Quibim consente di segmentare ed estrarre dei parametri radiomici dalle lesioni tumorali al seno dopo l'armonizzazione dei dati per standardizzare la qualità delle immagini tra centri e scanner.
- Modelli predittivi per pCR:Quibim offre un modello basato sull'imaging per la previsione di pCR su NAC utilizzando caratteristiche radiomiche estratte da MRI e/o 18F-FDG-PET.
Questo strumento basato su intelligenza artificiale migliora la cura del cancro al seno fornendo capacità predittive avanzate per rispondere al trattamento, standardizzando e guidando al contempo le scelte terapeutiche negli ospedali. Grazie al miglioramento degli esiti clinici per i pazienti, lo strumento apporta valore alla pratica clinica e sostiene in modo efficace le strategie di marketing dei farmaci.

Il risultato
Questi nuovi strumenti saranno implementati e integrati nel prodotto QP-Breast® di Quibim, progettato per rivoluzionare la cura del cancro al seno offrendo capacità predittive avanzate per la risposta al trattamento e la progressione della malattia. Questo strumento innovativo migliorerà significativamente la capacità degli oncologi di prendere decisioni terapeutiche precise e informate, in particolare per i sottotipi di cancro più aggressivi, dove è fondamentale disporre di strumenti di supporto decisionale efficaci. Affrontando queste lacune, QP-Breast® rappresenterà un importante passo avanti nell’ambito dell’oncologia personalizzata.
Referenze
- Arnold M, Morgan E, Rumgay H, Mafra A, Singh D, Laversanne M, Vignat J, Gralow JR, Cardoso F, Siesling S, Soerjomataram I. Current and future burden of breast cancer: Global statistics for 2020 and 2040. The Breast 2022, 66, 15 – 23.
- O'Shaughnessy, JA, Telli, ML, Bardia, A, Krop, I, McGuire, K. Unmet Needs and Future Direction in HER2+ Breast Cancer OncLive 2024, 12
- Herrero Vicent, C, Tudela, X, Moreno Ruiz, P, Pedralva, V, Jiménez Pastor, A, Ahicart, D, Rubio Novella, S, Meneu, I, Montes Albuixech, Á, Santamaria, M.Á. et al. Machine Learning Models and Multiparametric Magnetic Resonance Imaging for the Prediction of Pathologic Response to Neoadjuvant Chemotherapy in Breast Cancer. Cancers 2022, 14, 3508.