L'importanza dell'adeguatezza delle
dosi dei farmaci nella chemioterapia neoadiuvante nel tumore
mammario dimostrata grazie all'uso dei dati 'real world', quelli
raccolti durante la pratica clinica e non in constesti
sperimentali e all'implementazione del machine learning e
dell'Ia. È questo il risultato dello studio multicentrico
coordinato da ricercatori dell'Istituto nazionale tumori Regina
Elena (Ifo), pubblicato rivista Esmo Real World Data and Digital
Oncology, che ha analizzato i dati real world di oltre 750
pazienti affette da carcinoma mammario in fase precoce, trattate
in otto centri oncologici distribuiti in sette Paesi europei e
nel Regno Unito, aderenti al consorzio DigiCore.
Al centro della ricerca, l'impatto dell'intensità di dose del
paclitaxel, un farmaco cardine nella chemioterapia neoadiuvante.
I risultati evidenziano che, nel tumore triplo negativo, una
significativa riduzione della dose è associata a un minore tasso
di risposta patologica completa) e quindi a un possibile aumento
del rischio di recidiva. Un effetto non osservato, invece, nelle
pazienti con tumore HER2-positivo. "Questo studio conferma
quanto sia cruciale mantenere una dose adeguata di paclitaxel
per ottimizzare le possibilità di risposta completa e la
sopravvivenza delle pazienti", spiega Patrizia Vici,
responsabile della Uosd Sperimentazioni di Fase IV Ire.
L'iniziativa ha anche avuto un forte valore formativo e di
innovazione metodologica, offrendo a giovani ricercatori
l'opportunità di partecipare a una rete collaborativa europea.
L'utilizzo di tecniche avanzate di machine learning ha permesso
di ottenere risposte clinicamente rilevanti da dati raccolti
nella pratica clinica quotidiana, al di fuori dei contesti
altamente selettivi dei trial randomizzati. "I dati real world
rappresentano una risorsa chiave, poiché riflettono la realtà
clinica di oltre il 90% dei pazienti oncologici, non inclusi nei
trial randomizzati - afferma Giovanni Blandino, direttore
scientifico IRE -. Questo studio è il frutto di una solida
infrastruttura digitale e di un modello collaborativo che
l'Istituto sta promuovendo per rendere i dati interoperabili e
valorizzarli in studi futuri, anche attraverso modelli di
federated learning".
Riproduzione riservata © Copyright ANSA