A volte le informazioni critiche non possono essere viste attraverso l'ispezione visiva standard delle immagini mediche, specialmente in oncologia. Tuttavia, la radiomica è un metodo di analisi quantitativa delle immagini che può rivelare l'invisibile. Utilizzando tecniche di analisi dell'intelligenza artificiale (IA), la radiomica può quantificare le differenze visive nell'intensità, nella forma o nella consistenza dell'immagine, superando la natura soggettiva e dispendiosa in termini di tempo dell'interpretazione delle immagini. [1].
Oggigiorno, il cancro al seno è il tipo di cancro più frequente al mondo, rappresentando quasi il 30% di tutte le neoplasie maligne nelle donne, e le tendenze attuali mostrano che la sua incidenza è in aumento[2]Data l'entità del problema, è urgente trovare un trattamento efficace.
Finora, la chemioterapia neoadiuvante[3] (NAC) L'obiettivo primario era ridurre le dimensioni del tumore (anche noto come downstaging) per consentire un intervento chirurgico conservativo del seno ed evitare un intervento ancora più invasivo.
Sebbene la NAC abbia dimostrato il potenziale per abbassare la mortalità nei casi avanzati, è associata a un alto tasso di sovra-trattamento e significativi effetti collaterali per i pazienti. D'altro canto, nei paesi a basso reddito, è stato riscontrato un sotto-trattamento dovuto agli alti costi della NAC. RadioVal valuterà il potenziale della radiomica nel predire la risposta al NAC nelle pazienti con tumore al seno con l'ausilio dell'intelligenza artificiale, migliorando la selezione delle pazienti e riducendo sia i trattamenti eccessivi che quelli insufficienti.
RadioVal è la prima convalida clinica multidimensionale della stima della risposta NAC basata sulla radiomica nel cancro al seno. Sarà convalidata in 8 centri clinici in Svezia, Austria, Spagna, Polonia, Croazia, Argentina, Egitto e Turchia. Può essere utilizzato ampi repository di immagini, strumenti e risultati da 5 precedenti progetti di rete AI4HI finanziati dall'UE.
Questa sarà la prima convalida internazionale di una soluzione di intelligenza artificiale radiologica nel cancro al seno, con una metodologia completa e unificata di cui sia i medici che i pazienti possono fidarsi, e implementata da centri sanitari e altre parti interessate, il tutto nel rispetto delle linee guida FUTURE-AI.[4], per valutare Equità, Universalità, Tracciabilità, Usabilità, Robustezza e Spiegabilità. Fin dall'inizio, il progetto RadioVal adotterà un approccio multi-stakeholder, tenendo conto delle esigenze cliniche e sanitarie e delle preoccupazioni socio-etiche e normative.
Il coinvolgimento di più parti interessate, tra cui medici e pazienti, responsabili IT e sanitari, esperti di etica e legali, guiderà l'implementazione delle metodologie e degli studi di valutazione, mentre il feedback continuo dei valutatori clinici fornirà dati empirici per stimare il rapporto costi-benefici e l'impatto sulle linee guida cliniche e sull'approvazione normativa dello strumento RadioNac.
L'Università di Barcellona, in collaborazione con altri partner, in particolare Quibim, sta guidando questo complesso progetto di collaborazione per valutare se gli strumenti siano tecnicamente solidi, algoritmicamente equi, utili e accettabili nei contesti clinici.
Quibim ha aderito a questo entusiasmante progetto per svolgere un ruolo fondamentale nelle 3 fasi principali del progetto RadioVal.
1. Ricerca, progettazione e sviluppo di nuovi metodi per il controllo continuo della qualità, il monitoraggio e la tracciabilità dei modelli radiomici.
2. Studiare e sviluppare procedure di valutazione per modelli basati sulla radiomica per prevedere la risposta NAC nel cancro al seno.
3. Esaminare possibili percorsi di sfruttamento e piani di sostenibilità per massimizzare l'impatto oltre il progetto.
Introducendo un framework standardizzato e completo per la valutazione dell'IA radiomica e sviluppando uno strumento di tracciabilità per un monitoraggio trasparente, speriamo di creare fiducia nell'uso di questa tecnologia in contesti clinici. Inoltre, esploreremo le implicazioni più ampie dell'implementazione dell'IA radiomica, tra cui analisi costi-benefici, considerazioni etiche e implicazioni normative.
Si tratta di uno sforzo collaborativo mirato a migliorare le opzioni di trattamento e a sbloccare la prossima generazione di innovazioni mediche. La nostra partnership, che utilizza soluzioni di intelligenza artificiale in grandi set di dati di pazienti, ha il potenziale per rivoluzionare la diagnosi e i risultati dei pazienti e spingere i confini del progresso scientifico.
Questo lavoro ha ricevuto finanziamenti dal programma di ricerca e innovazione Horizon Europe dell'Unione Europea nell'ambito dell'accordo di sovvenzione n. 101057699 (progetto RadioVal).
I punti di vista e le opinioni espresse sono tuttavia quelli dell'autore/degli autori e non riflettono necessariamente quelli dell'Unione Europea. Né l'Unione Europea né l'autorità concedente possono essere ritenuti responsabili per essi.
[1] Herrero Vicent C, et al (2022) Modelli di apprendimento automatico e risonanza magnetica multiparametrica per la previsione della risposta patologica alla chemioterapia neoadiuvante nel cancro al seno. Tumori (Basilea). 19 luglio;14(14):3508.
[2] Sistema europeo di informazione sul cancro (ottobre 2020). Carico del cancro al seno nell'UE-27. https://ecis.jrc.ec.europa.eu
[3] Sidaway, P., 2020. La terapia neoadiuvante migliora il tasso di pCR. Nature Reviews Clinical Oncology, 17(12), pp.718-718.
[4] www.future-ai.eu.
