Rilevazione precoce della recidiva localizzata del cancro del colon tramite un modello predittivo basato sull'intelligenza artificiale

Un prestigioso istituto di ricerca sanitaria, pioniere nell'analisi della biopsia liquida nei pazienti affetti da cancro al colon, era interessato a creare biomarcatori predittivi e prognostici per identificare i pazienti ad alto rischio di recidiva e prevedere l'effetto della terapia adiuvante.

I metodi tradizionali di misurazione e stadiazione della malattia minima residua (MRD) sono procedure invasive. I nuovi biomarcatori prognostici, come i test di biopsia liquida, anche se possono migliorare la stima della MRD, forniscono comunque una sensibilità limitata per identificare i pazienti ad alto rischio di recidiva.

Tuttavia, l'integrazione perfetta della biopsia liquida con la radiomica e le caratteristiche profonde estratte dalle scansioni TC (dati standard-of-care [SoC]) potrebbe offrire un nuovo strumento multi-omico per monitorare e diagnosticare i tumori in una fase precoce, fornendo informazioni rilevanti sulla prognosi delle ricadute e sui risultati per i pazienti.

Seguendo un design collaborativo, abbiamo raccolto dati retrospettivi multicentrici del mondo reale (RWD) da un ampio campione di pazienti con diagnosi confermate da metodi tradizionali. I RWD includevano dati clinici, biopsia liquida e scansioni TC SoC. È stata eseguita una segmentazione 3D del tessuto tumorale e sono stati estratti parametri di texture, caratteristiche profonde e dimensioni frattali. Una volta ottenuti tutti questi biomarcatori di imaging quantitativi, sono stati addestrati diversi modelli di classificazione basati sull'intelligenza artificiale che combinano le caratteristiche di imaging con biopsia liquida e dati clinici per prevedere una recidiva precoce nei pazienti e classificare i pazienti con basso e alto rischio. La pipeline di analisi generata è stata integrata in QP-Discovery^® piattaforma, creando uno strumento di intelligenza artificiale end-to-end.

Il potenziale innovativo di questo nuovo approccio ha portato a tre risultati primari:

1. L'identificazione della firma di imaging per la diagnosi precoce della recidiva nel cancro del colon localizzato,
2. Lo sviluppo di uno strumento di stratificazione per differenziare i pazienti con cancro del colon a basso e ad alto rischio,
3. Creazione di modelli predittivi per misurare l'effetto della terapia adiuvante che testa l'efficacia antitumorale di diversi agenti, il che porterà a nuovi bersagli terapeutici sfruttabili.

Unendo i dati clinici con radiomica, frattale e caratteristiche profonde, il modello AI ha fornito un'accuratezza elevata e aumentata dell'87.9% (CI 95%: 67.7-100) rispetto alle sole variabili cliniche (60%, CI 95%: 30-90) nella previsione della recidivaSi prevede che il modello basato sull'intelligenza artificiale più accurato verrà ottenuto combinando le caratteristiche radiomiche con RWD per prevedere i potenziali pazienti con recidiva, portando alla selezione di trattamenti personalizzati che migliorano la risposta rispetto alle attuali terapie standard.

Riferimento:

America Bueno Gomez et al. Un modello di intelligenza artificiale predittiva clinico-imaging di recidiva nel cancro del colon utilizzando scansioni TC basali. Comunicazione orale accettata all'ESMO 2023. 20-23 ottobre. Madrid, Spagna.