Approcci di machine learning per predire efficacia e tossicità della radioterapia per i tumori testa-collo. - Humanitas 5x1000 Facebook Twitter WhatsApp LinkedIn Telegram

Come utilizziamo il tuo 5×1000

5x1000

Approcci di machine learning per predire efficacia e tossicità della radioterapia per i tumori testa-collo.

Nome dello studio: Intelligenza artificiale per il cancro del distretto testa-collo localmente avanzato trattato con radioterapia adattiva multimodale: analisi radiomica di efficacia e tossicità
Responsabile: MARTA SCORSETTI

Il carcinoma a cellule squamose della testa e del collo (HNSCC) colpisce in Europa 140.000 persone l’anno

I tumori della testa e del collo rappresentano circa il 5% dei tumori maligni e sono il settimo tumore più frequente al mondo: i tassi di sopravvivenza a 5 anni vanno dal 25% al 65%. Nel 2020, secondo i dati del Registro AIOM “I numeri del cancro in Italia”, sono state stimate circa 9.900 nuove diagnosi, con una prevalenza di uomini, 7.300, rispetto alle donne.
La maggioranza dei casi di tumori testa collo è rappresentato dai carcinomi a cellule squamose.

Una terapia efficace è la radioterapia

La radioterapia radicale (RT), esclusiva o in combinazione con la terapia sistemica, rappresenta un’opzione terapeutica efficace per l’HNSCC: nonostante i recenti progressi tecnologici, però, circa il 30-50% dei pazienti sviluppa una recidiva della malattia.
Inoltre, la tossicità indotta dalle radiazioni rappresenta ancora una preoccupazione poiché ha un impatto negativo sulla qualità di vita dei pazienti anche molto tempo dopo il trattamento.

La tecnologia è una soluzione valida per personalizzare il trattamento

Le modalità di imaging avanzate (tecnologia che consente di visualizzare una struttura anatomica e verificarne la funzionalità) sembrano svolgere un ruolo essenziale nella personalizzazione del trattamento radioterapico, come sta accadendo con la radioterapia adattiva (ART) e della radiomica1.
L’ART permette di adattare il trattamento ai cambiamenti anatomici che il paziente e/o il tumore sviluppano durante la terapia ed erogare radiazioni in modo più preciso sul tumore risparmiando gli organi sani. La combinazione di ART e radiomica potrebbe essere un ulteriore progresso: le caratteristiche radiomiche estratte dalle immagini grazie all’Intelligenza Artificiale possono essere utilizzate per creare un modello di machine learning2 in grado di predire la sopravvivenza dei pazienti e guidarne il trattamento.

Da queste interessanti osservazioni nasce il progetto di ricerca

I ricercatori intendono valutare prospetticamente il modello radiomico creato grazie almachine learning per predire l’efficacia e la tossicità dei pazienti affetti da HNSCC trattati con ART mediante imaging multimodale che include tomografia computerizzata, Imaging a risonanza magnetica e PET.
Il progetto è iniziato 2021 con l’arruolamento ed il follow-up dei pazienti.