Lo studio dell’IRCCS Istituto Nazionale dei Tumori di Milano, pubblicato su The Lancet Oncology, introduce un innovativo sistema basato sull’intelligenza statistica bayesiana per personalizzare le cure e prevedere con maggiore accuratezza il rischio di recidiva e metastasi.
La medicina di precisione compie un nuovo passo avanti nella cura dei sarcomi dei tessuti molli grazie a BayeSarc, un innovativo modello prognostico sviluppato dalla Fondazione IRCCS Istituto Nazionale dei Tumori di Milano nell’ambito di una collaborazione internazionale. I risultati dello studio, pubblicati sulla prestigiosa rivista The Lancet Oncology, dimostrano come il nuovo sistema sia in grado di fornire previsioni più accurate e dinamiche sull’evoluzione della malattia, migliorando il supporto alle decisioni cliniche e alla personalizzazione delle terapie.
BayeSarc: una nuova frontiera nella prognosi dei sarcomi
I sarcomi dei tessuti molli rappresentano un gruppo di tumori rari, caratterizzati da un’elevata complessità biologica e clinica. In questi pazienti, stimare con precisione il rischio di recidiva, metastasi e sopravvivenza è fondamentale per scegliere il trattamento più appropriato, pianificare il follow-up e informare correttamente il paziente.
Negli ultimi anni, la Fondazione IRCCS Istituto Nazionale dei Tumori di Milano ha svolto un ruolo di primo piano nello sviluppo di strumenti di medicina personalizzata grazie a Sarculator, un algoritmo prognostico ormai utilizzato in numerosi centri oncologici internazionali.
Con BayeSarc, i ricercatori introducono un’evoluzione significativa: un modello capace di apprendere continuamente dai nuovi dati clinici.
Come funziona il modello BayeSarc
La principale innovazione consiste nell’impiego del Bayesian Sequential Learning, un approccio statistico che aggiorna progressivamente le stime prognostiche man mano che vengono raccolti nuovi dati provenienti da diversi centri clinici.
A differenza dei tradizionali modelli “statici”, BayeSarc:
- aggiorna continuamente le proprie previsioni;
- integra nuove coorti di pazienti;
- si adatta all’evoluzione delle terapie;
- migliora progressivamente accuratezza e affidabilità.
Il sistema continua a utilizzare i principali fattori prognostici consolidati, tra cui:
- età del paziente;
- dimensioni del tumore;
- grado di aggressività (grading);
- istologia del sarcoma.
La capacità di apprendere nel tempo rappresenta però il vero elemento innovativo, particolarmente prezioso nelle malattie rare, dove i dati disponibili aumentano lentamente.
Studio internazionale su quasi 5.000 pazienti
Lo studio ha coinvolto 4.916 pazienti provenienti da sei grandi coorti internazionali distribuite tra:
- Italia;
- Canada;
- Francia;
- Regno Unito;
- Stati Uniti.
L’analisi ha confermato la robustezza del modello su una popolazione ampia e rappresentativa.
I risultati mostrano prestazioni superiori rispetto a Sarculator.
Per la sopravvivenza globale, BayeSarc ha ottenuto un C-index di 0,801, rispetto allo 0,773 del modello precedente.
Per la previsione del rischio di metastasi a distanza, il nuovo algoritmo ha raggiunto un C-index di 0,738, contro 0,718.
Oltre alla maggiore accuratezza, il modello riduce significativamente l’incertezza delle previsioni, un aspetto fondamentale nella gestione clinica dei pazienti.
Una collaborazione tra clinici e biostatistici
Il lavoro, pubblicato su The Lancet Oncology, vede come primo autore Dario Callegaro ed è frutto della stretta collaborazione tra chirurghi oncologi e biostatistici, con il contributo determinante di Gabriele Tinè e Rosalba Miceli.
Il progetto rappresenta uno degli esempi più avanzati di integrazione tra competenze cliniche e metodologie statistiche applicate alla medicina di precisione.
Già disponibile nell’app Sarculator
Uno degli aspetti più rilevanti riguarda l’immediata applicazione clinica del modello.
BayeSarc è infatti già stato integrato nell’app gratuita Sarculator, consentendo ai medici di utilizzare immediatamente le nuove funzionalità durante il counseling con i pazienti e nella pianificazione terapeutica.
L’obiettivo non è sostituire il giudizio dello specialista, ma offrire uno strumento decisionale ancora più preciso per supportare la valutazione del rischio individuale e la scelta delle strategie terapeutiche più appropriate.
Prospettive future per la medicina di precisione
Il framework sviluppato dai ricercatori dell’Istituto Nazionale dei Tumori apre prospettive importanti anche oltre i sarcomi.
L’approccio basato sull’apprendimento bayesiano potrà infatti essere applicato ad altri tumori rari e, più in generale, a numerosi ambiti dell’oncologia, dove la disponibilità di dati clinici è distribuita tra diversi centri e continua a crescere nel tempo.
Come sottolinea Alessandro Gronchi, direttore del Dipartimento di Chirurgia della Fondazione IRCCS Istituto Nazionale dei Tumori di Milano, la pubblicazione su The Lancet Oncology conferma la capacità dell’istituto di trasformare competenze cliniche, biostatistiche e metodologiche in strumenti concreti al servizio dei pazienti.
Secondo Gronchi, i sarcomi rappresentano un laboratorio ideale per sviluppare metodologie innovative destinate a trovare applicazione anche in altre patologie oncologiche. BayeSarc segna infatti un importante passo avanti verso una medicina sempre più personalizzata, dinamica e capace di evolvere insieme alle conoscenze scientifiche, migliorando concretamente i percorsi di cura dei pazienti.
