Gli strumenti di intelligenza artificiale potrebbero offrire ai pazienti oncologici un’assistenza post-operatoria più personalizzata
Si stima che oltre 12 milioni di persone in Europa sopravvivano dopo una diagnosi di cancro e, grazie ai progressi nella diagnosi precoce e ai nuovi trattamenti, questo numero è destinato ad aumentare. Nonostante questi miglioramenti, i sopravvissuti al cancro riferiscono ancora numerosi bisogni fisici, funzionali e psicosociali non soddisfatti. Secondo il medico María Torrente, il problema principale è la percezione da parte dei modelli di assistenza successiva dei pazienti come se fossero affetti da patologie acute (improvvise e gravi), anziché croniche (ad evoluzione più lunga). «L’assistenza ai sopravvissuti al cancro è frequentemente improvvisata, spesso frammentaria e mal integrata nell’assistenza oncologica tradizionale. In assenza di linee guida basate su dati concreti, i medici spesso si affidano alla propria esperienza e competenza», afferma Torrente, che è anche coordinatrice del progetto CLARIFY, finanziato dall’UE. CLARIFY ha applicato i big data e le tecnologie di intelligenza artificiale (IA) per aiutare a identificare precocemente i fattori di rischio per le complicazioni sanitarie. Sulla base dei dati clinici, genomici e comportamentali dei pazienti, integrati da dati aperti, CLARIFY ha sviluppato procedure successive personalizzate.
Il sistema di supporto alle decisioni
Il cuore dell’approccio di CLARIFY era una piattaforma digitale di supporto alle decisioni, sviluppata per consentire ai medici di monitorare e analizzare la salute dei pazienti in tempo reale. Aiutati da algoritmi e modelli di stratificazione del rischio, i medici possono quindi personalizzare gli interventi. Gli algoritmi sono stati addestrati su dati provenienti da diverse fonti, tra cui: cartelle cliniche di cancro al seno e al polmone, il registro dei tumori toracici, database scientifici (ad esempio, DrugBank e SIDER) e pubblicazioni scientifiche (come ad esempio PubMed). L’elaborazione del linguaggio naturale ha poi collegato questi dati ai vocabolari biomedici esistenti, come lo Unified Medical Language System (UMLS). È stato inoltre sviluppato uno strumento di interazione farmaco-farmaco per identificare le interazioni note tra farmaci oncologici e non oncologici.
Profilazione del rischio e test
«La maggior parte dei profili di rischio dei pazienti si basa sullo stadio del tumore o sullo stato di salute. Per sviluppare i punteggi di rischio individuali, abbiamo integrato i dati clinici anonimizzati delle cartelle cliniche elettroniche dei pazienti con i dati dei dispositivi indossabili e dei questionari sulla qualità della vita», spiega Torrente. Durante le visite di controllo dei pazienti, oltre 1000 sopravvissuti al cancro al seno, al polmone e al linfoma, arruolati nel progetto, sono stati assegnati a categorie a basso rischio o ad alto rischio, in base ai trattamenti specifici e alla probabilità di recidiva, tumori secondari e tossicità. L’apprendimento automatico della piattaforma ha quindi creato modelli di previsione e formulato raccomandazioni che i medici hanno utilizzato per determinare i successivi percorsi di controllo ottimali. La piattaforma e i modelli sono stati convalidati dai medici e dal personale sanitario del sito dipartimento di oncologia medica dell’HUPHM (sito web in spagnolo), anche durante 12 sessioni di formazione. «Oltre a ricevere feedback sulla piattaforma, queste sessioni hanno insegnato ai medici come integrare le sue funzionalità nella loro pratica», osserva Torrente. La convalida clinica e la verifica dei risultati sono state eseguite dal dipartimento di oncologia medica dell’HUPHM e dallo sviluppatore della piattaforma, HOLOS, per garantire un flusso e un’elaborazione ottimali dei dati. Per testare il dispositivo indossabile, Kronowise, il team ha registrato lo stato circadiano, la qualità del sonno e l’attività fisica di 350 pazienti oncologici volontari, 24 ore al giorno, per una settimana. I risultati sono stati poi confrontati con quelli della popolazione generale, consentendo agli operatori sanitari di identificare le aree in cui intervenire in modo mirato. Tre mesi dopo, è stato valutato l’impatto di questi interventi. «Abbiamo riscontrato che gli indicatori di qualità della vita sono migliorati per tutte e tre le patologie valutate, in particolare per il tumore al polmone», afferma Torrente.
Trattamenti migliorati
La soluzione di CLARIFY offre un accesso unico ad ampie fonti di dati. «I dati estratti dalla nostra cartella clinica elettronica offrono ai medici una visione estremamente accurata del comportamento, delle risposte e degli esiti dei pazienti, per una guida altamente specifica. Il nostro approccio potrebbe sostenere politiche sanitarie nazionali o paneuropee più proattive, migliorando i risultati sanitari e riducendo l’onere per i sistemi sanitari», conclude Torrente. Per il momento, il team continua a implementare la piattaforma nella pratica clinica.
Parole chiave
CLARIFY, cancro, assistenza post-operatoria, intelligenza artificiale, indossabile, sopravvissuto, trattamento, assistenza sanitaria
