Il nuovo strumento di previsione del cancro alla prostata ha una precisione senza pari

Gli attuali strumenti utilizzati per prevedere la progressione del cancro alla prostata sono generalmente di natura soggettiva, portando a diverse interpretazioni tra i clinici

Un team di ricercatori della Icahn School of Medicine del Mount Sinai e della Keck School of Medicine della University of Southern California (USC) hanno sviluppato un nuovo framework di apprendimento automatico che distingue tra cancro alla prostata a basso e ad alto rischio con maggiore precisione rispetto a mai prima. Il quadro, descritto in un documento Scientific Reports pubblicato oggi, ha lo scopo di aiutare i medici, in particolare, radiologi - identificare più accuratamente le opzioni di trattamento per i pazienti con cancro alla prostata, riducendo la possibilità di interventi clinici non necessari.

Il cancro alla prostata è una delle principali cause di morte per cancro negli uomini americani, secondo solo al cancro ai polmoni. Mentre i recenti progressi nella ricerca sul cancro alla prostata hanno salvato molte vite, gli strumenti di previsione oggettiva hanno, fino ad ora, rimasto un bisogno insoddisfatto.

Attualmente, i metodi standard utilizzati per valutare il rischio di cancro alla prostata sono la risonanza magnetica multiparametrica (mpMRI), che rileva lesioni alla prostata, e il sistema di reporting e dati di imaging prostatico, versione 2 (PI-RADS v2), un sistema di punteggio a cinque punti che classifica le lesioni riscontrate sulla mpMRI. Insieme, questi strumenti hanno lo scopo di prevedere adeguatamente la probabilità di cancro alla prostata clinicamente significativo. Però, Il punteggio PI-RADS v2 è soggettivo e non distingue chiaramente tra livelli di cancro intermedi e maligni (punteggi 3, 4, e 5), spesso portando a diverse interpretazioni tra i clinici.

La combinazione dell'apprendimento automatico con la radiomica, una branca della medicina che utilizza algoritmi per estrarre grandi quantità di caratteristiche quantitative dalle immagini mediche, è stata proposta come approccio per rimediare a questo inconveniente. Però, altri studi hanno testato solo un numero limitato di metodi di apprendimento automatico per affrontare questa limitazione. In contrasto, i ricercatori del Monte Sinai e dell'USC hanno sviluppato un quadro predittivo che ha valutato in modo rigoroso e sistematico molti di questi metodi per identificare quello con le migliori prestazioni. Il framework sfrutta anche set di dati di formazione e convalida più ampi rispetto agli studi precedenti. Di conseguenza, i ricercatori sono stati in grado di classificare il cancro alla prostata dei pazienti con un'elevata sensibilità e un valore predittivo ancora più elevato.

"Combinando in modo rigoroso e sistematico l'apprendimento automatico con la radiomica, il nostro obiettivo è fornire ai radiologi e al personale clinico un valido strumento di previsione che possa eventualmente tradursi in un'assistenza al paziente più efficace e personalizzata, " disse Gaurav Pandey, dottorato di ricerca, Assistant Professor di Genetica e Scienze Genomiche presso la Icahn School of Medicine del Monte Sinai e autore corrispondente senior della pubblicazione insieme all'autore corrispondente Bino Varghese, dottorato di ricerca, Professore assistente di radiologia di ricerca presso la Keck School of Medicine della USC. "Il percorso per prevedere la progressione del cancro alla prostata con un'elevata precisione è in continuo miglioramento, e crediamo che il nostro quadro obiettivo sia un progresso tanto necessario".

• Gli esperti esplorano il coinvolgimento dell'intestino nella malattia di Parkinson
• Zebrafish offre indizi per alleviare i disturbi gastrointestinali legati all'autismo