Il cancro al polmone è la principale causa di morte per cancro negli Stati Uniti e in tutto il mondo. La tomografia computerizzata del torace a bassa dose (LDCT) è raccomandata per lo screening di persone di età compresa tra 50 e 80 anni con una storia significativa di fumo o che fumano attualmente. 

È stato dimostrato che lo screening del cancro del polmone con LDCT riduce la morte per cancro del polmone fino al 24%.

Ma poiché i tassi di cancro al polmone aumentano tra i non fumatori, sono necessarie nuove strategie per schermare e prevedere con precisione in una popolazione più ampia. Uno studio condotto dai ricercatori del Mass General Cancer Center, un membro del Mass General Brigham , in collaborazione con i ricercatori del Massachusetts Institute of Technology (MIT), ha sviluppato e testato uno strumento di intelligenza artificiale noto come Sybil. Sulla base delle analisi delle scansioni LDCT di pazienti negli Stati Uniti e a Taiwan, Sybil ha predetto con precisione il rischio di cancro ai polmoni per le persone con o senza una significativa storia di fumo. I risultati sono stati pubblicati nel Journal of Clinical Oncology .

"I tassi di cancro al polmone continuano ad aumentare tra le persone che non hanno mai fumato o che non fumano da anni, suggerendo che ci sono molti fattori di rischio che contribuiscono al cancro ai polmoni, alcuni dei quali sono attualmente sconosciuti- afferma l'autore Lecia Sequist, direttore del Center for Innovation in Early Cancer Detection e oncologo medico del cancro del polmone presso il Mass General Cancer Center- Invece di valutare i singoli fattori di rischio ambientali o genetici, abbiamo sviluppato uno strumento che può utilizzare le immagini per esaminare la biologia collettiva e fare previsioni sul rischio di cancro".

La US Preventive Service Task Force raccomanda LDCT annuali per le persone di età superiore ai 50 anni con una storia di 20 pacchetti/anno, che attualmente fumano o hanno smesso di fumare negli ultimi 15 anni. Ma meno del 10% dei pazienti idonei viene sottoposto a screening ogni anno. Per aiutare a migliorare l'efficienza dello screening del cancro del polmone e fornire valutazioni personalizzate, Sequist e colleghi del Mass General Cancer Center hanno collaborato con i ricercatori della Jameel Clinic del MIT. Utilizzando i dati del National Lung Screening Trial (NLST), il team ha sviluppato Sybil, un modello di apprendimento profondo, che analizza le scansioni e prevede il rischio di cancro ai polmoni per i prossimi sei anni.

"Sybil richiede un solo LDCT e non dipende dai dati clinici o dalle annotazioni del radiologo- aggiunge il coautore Florian Fintelmann,  del Dipartimento di Radiologia, Divisione di imaging toracico e interventistica presso il Massachusetts General Hospital- È stato progettato per funzionare in tempo reale su lettura radiologica standard, che consente il supporto decisionale clinico del punto di cura".

Il team ha convalidato Sybil, utilizzando tre set di dati indipendenti: un set di scansioni di oltre 6.000 partecipanti NLST, che Sybil non aveva visto in precedenza; 8.821 LDCT del Massachusetts General Hospital (MGH); e 12.280 LDCT del Chang Gung Memorial Hospital di Taiwan. L'ultima serie di scansioni includeva persone con una serie di precedenti di fumo, compresi quelli che non avevano mai fumato.

Sybil è stata in grado di prevedere con precisione il rischio di cancro ai polmoni in questi set. I ricercatori hanno determinato l'accuratezza di Sybil utilizzando Area Under the Curve (AUC), una misura di quanto bene un test può distinguere tra malattia e campioni normali e in cui 1.0 è un punteggio perfetto. Sybil ha predetto il cancro entro un anno con AUC di 0,92 per i partecipanti NLST aggiuntivi, 0,86 per il set di dati MGH e 0,94 per il set di dati di Taiwan. Il programma ha previsto il cancro del polmone entro sei anni con AUC rispettivamente di 0,75, 0,81 e 0,80 per i tre set di dati.

"Sybil può guardare un'immagine e prevedere il rischio che un paziente sviluppi un cancro ai polmoni entro sei anni- sottolinea Regina Barzilay, coautrice e docente della Jameel Clinic, membro del Koch Institute for Integrative Cancer Research- Sono entusiasta degli sforzi traslazionali guidati dal team MGH, che mirano a cambiare i risultati per i pazienti che altrimenti svilupperebbero una malattia avanzata".

I ricercatori osservano che si tratta di uno studio retrospettivo e che sono necessari studi prospettici che seguano i pazienti,per convalidare Sybil. Inoltre, i partecipanti statunitensi allo studio erano prevalentemente bianchi (92%) e saranno necessari studi futuri per determinare se Sybil può prevedere con precisione il cancro ai polmoni tra diverse popolazioni. 

Sequist e colleghi apriranno una sperimentazione clinica prospettica per mettere alla prova Sybil nel mondo reale e capire come integra il lavoro dei radiologi. Il codice è stato anche reso disponibile al pubblico.

"Nel nostro studio, Sybil è stata in grado di rilevare modelli di rischio dall'LDCT, che non erano visibili all'occhio umano- conclude Sequist.- Siamo entusiasti di testare ulteriormente questo programma per vedere se può aggiungere informazioni che aiutino i radiologi con la diagnostica e ci metta sulla strada per personalizzare lo screening per i pazienti".

Journal of Clinical Oncology: "Sybil: A Validated Deep Learning Model to Predict Future Lung Cancer Risk From a Single Low-Dose Chest Computed Tomography". DOI: 10.1200/JCO.22.0134

Antonio Caperna