Medicina Predittiva Oncologica nei Tumori Testa-Collo mediante Analisi Omica e Intelligenza Artificiale

Il Prof. Andrea Santarelli ha aperto il suo intervento ringraziando il professor Moroncini per l’introduzione. Come ha sottolineato, lo studio si inserisce nel Work Package 1 e più precisamente nel TASK 1.4, volto allo sviluppo di un modello prognostico e di stratificazione del rischio dei pazienti con carcinoma squamocellulare del cavo orale. Si tratta di una task dedicata specificamente ai tumori testa-collo e in particolare al tumore del cavo orale.

Questo tipo di neoplasia beneficerebbe particolarmente dell’identificazione di biomarcatori prognostici. Come evidenziato dal relatore, le curve di mortalità nel tempo sono rimaste sostanzialmente le stesse negli anni, a dispetto del miglioramento osservato per altri tipi di neoplasie. Una delle ragioni principali di questa stagnazione è che i nuovi farmaci immunoterapici e biologici mancano essenzialmente di target molecolari specifici per il carcinoma del cavo orale, limitando significativamente le strategie terapeutiche disponibili.

Le opzioni terapeutiche attuali e i loro limiti

Attualmente, il gold standard terapeutico risiede nella terapia chirurgica per gli stadi localizzati, con associato svuotamento latero-cervicale delle stazioni linfonodali del collo. In alternativa, per lo stadio 1 viene utilizzata la brachiterapia, oppure la terapia radiante associata sempre a terapia chirurgica negli stadi localmente avanzati.

Negli ultimi anni sono state sviluppate anche terapie mirate, come immunoterapia e farmaci biologici. Tuttavia, come sottolineato da Santarelli, queste terapie innovative per i tumori testa-collo sono limitate a una serie non amplissima di farmaci. Inoltre, è emerso un problema significativo: i target molecolari che vengono colpiti da questi farmaci, pur essendo efficaci, non sempre presentano un’overespressione che correla con la prognosi del paziente.

Il modello REMARK e la problematica dei marcatori singoli

L’approccio verso la medicina di precisione ha degli step ben definiti. Il modello REMARK, introdotto una decina di anni fa, è lo standard di riferimento in questo campo per la validazione e l’identificazione di biomarcatori prognostici.

Ciò che si osserva nel carcinoma orale è che negli anni c’è stata una proliferazione di studi che hanno identificato dei marcatori, ma si tratta di marcatori singoli che, se non inseriti in un modello prognostico ben definito, trovano poi una bassa traslabilità nell’ambito clinico. Questo rappresenta uno dei problemi principali nella ricerca oncologica: la difficoltà di trasferire i risultati della ricerca di base alla pratica clinica quotidiana.

Esperienze precedenti: dal panel di metilazione al test genetico

In uno studio recente, il gruppo di ricerca aveva fatto parte di un team che aveva validato l’utilizzo di un panel di più marcatori legati alla metilazione del DNA in 13 geni alterati nel carcinoma squamocellulare. Questo approccio, attraverso analisi biostatistica, ha permesso anche di mettere in commercio un test genetico volto proprio alla diagnosi precoce del carcinoma squamocellulare.

L’introduzione di nuovi modelli computazionali legati all’intelligenza artificiale ha permesso di fare un ulteriore passo avanti, mettendo insieme più marcatori e più dati clinici, e quindi analizzando in maniera massiva dataset molto più ampi. Tuttavia, non tutti questi approcci sono immediatamente traslabili nell’ambito clinico, principalmente per questioni legate ai costi e all’efficienza operativa.

Il sistema di stadiazione AJCC e l’importanza dei nuovi parametri

Attualmente la stadiazione e la stratificazione per il carcinoma del cavo orale segue il sistema TNM dell’AJCC (American Joint Committee on Cancer). È stato dimostrato che con l’introduzione di nuovi parametri dalla settima all’ottava edizione, la stratificazione dei pazienti è migliorata. Il gruppo di ricerca di Ancona ha validato questa osservazione in uno studio specifico.

Questa migliore stratificazione si ripercuote sull’allocazione dei pazienti in categorie diverse, permettendo loro di beneficiare di una terapia più mirata e quindi di una prognosi migliore. Introdurre nuovi parametri che si uniscono a quelli già esistenti per stratificare al meglio i pazienti rientra nell’alveo della medicina di precisione e ha un impatto significativo anche sulla prognosi.

La filosofia dello studio: dalla routine clinica alla pratica traslazionale

L’idea di partenza del TASK 1.4 è stata quella di identificare nuovi fattori prognostici partendo dalla routine clinica, ovvero da ciò che si fa normalmente nella pratica clinica e nell’analisi anatomopatologica dei pazienti. Questo approccio è stato scelto proprio per cercare di essere quanto prima traslabili nella realtà e nella routine clinico-terapeutica.

Un vantaggio significativo per questo studio è la disponibilità ad Ancona del più ampio database italiano di casi di carcinoma squamocellulare del cavo orale, una risorsa fondamentale per sviluppare e validare modelli prognostici robusti.

I marcatori morfologici prognostici analizzati

Partendo da queste premesse, sono stati analizzati diversi marcatori morfologici prognostici, inizialmente in modo singolo. Tra i parametri selezionati attraverso studi e analisi statistica figurano:

L’infiltrazione perineurale: valuta se le cellule tumorali infiltrano le strutture nervose, un parametro che da solo correla già con la prognosi del paziente.

L’invasione vascolare: determina se le cellule tumorali infiltrano i vasi sanguigni, rappresentando un importante fattore di stratificazione.

L’eosinofilia tumorale: analizza la presenza di cellule eosinofile che invadono il tumore.

Il tumor budding: identifica la presenza di cellule satelliti neoplastiche che si possono ritrovare distaccate dalla massa tumorale primitiva, un fenomeno associato a maggiore aggressività.

Il rapporto massa tumorale/stroma: valuta la proporzione tra cellule tumorali e cellule non neoplastiche all’interno della neoplasia.

L’infiltrato immunitario: classifica il tumore in base alla presenza di cellule immunitarie, stratificando le neoplasie in tumori “freddi” (senza o con poche cellule immunitarie), “tiepidi” o “caldi” (con molte cellule immunitarie). Questa classificazione è particolarmente rilevante nell’era dell’immunoterapia.

Lo sviluppo del nomogramma prognostico

Tutti questi parametri, analizzati singolarmente, correlano già con la prognosi del paziente. Attraverso analisi statistiche (curve ROC e modelli di regressione stepwise), questi parametri sono stati integrati per la generazione di un nomogramma prognostico.

L’obiettivo era duplice: identificare tra questi parametri quelli che correlassero in maniera più significativa con la prognosi dei pazienti, permettendo una stratificazione ancora più accurata; e verificare se questi parametri potessero essere analizzati in maniera precoce, fin dalle biopsie diagnostiche, e non solo sui campioni chirurgici successivi alla terapia.

I tre parametri chiave e il confronto con il gold standard

Lo studio ha identificato tre parametri particolarmente significativi che rispondono a entrambe queste esigenze. Con successiva analisi statistica e generazione di un nuovo nomogramma, questi tre parametri si sono rivelati molto utili.

In analisi comparative, il team ha confrontato questo nuovo nomogramma con il gold standard, ovvero lo staging system attualmente in uso nella routine clinica. I risultati hanno mostrato che le performance dei due sistemi sono sovrapponibili, e in alcuni punti il nuovo nomogramma è risultato addirittura migliore rispetto alla stadiazione classica che si basa su altri parametri.

Questo rappresenta un risultato significativo: un modello basato su parametri morfologici valutabili già su biopsie pre-chirurgiche che performa almeno quanto il sistema di stadiazione standard, ma con il vantaggio di essere disponibile in una fase più precoce del percorso diagnostico-terapeutico.

L’analisi tridimensionale con luce di sincrotrone

Un ulteriore sviluppo dello studio è stato realizzato grazie a una collaborazione con l’Elettra Synchrotron di Trieste. Questa collaborazione ha permesso di condurre un’analisi tridimensionale dei tessuti tumorali, superando i limiti dell’approccio tradizionale.

Prima di questa innovazione, i parametri morfologici si basavano su un’analisi bidimensionale delle sezioni istologiche tagliate delle neoplasie. Con la nuova tecnica, invece, sono stati analizzati blocchetti presi da biopsie in fase molto precoce, prima ancora della terapia chirurgica.

L’analisi tridimensionale di alcuni parametri morfologici è stata effettuata grazie alla luce di sincrotrone, una tecnologia avanzata che permette di visualizzare la struttura tridimensionale dei tessuti con risoluzione elevatissima. I risultati hanno evidenziato che alcuni parametri morfologici anche in questo caso correlano con la prognosi.

Le alterazioni biochimiche e i cambi metabolici precoci

Attraverso altre tecniche complementari, il gruppo di ricerca ha osservato che alterazioni biochimiche molto precoci possono essere associate a un cambio metabolico all’interno del tumore. Anche questo può essere utilizzato come parametro di stratificazione, aggiungendo un ulteriore livello di informazione al modello prognostico.

Questa scoperta apre prospettive interessanti per l’identificazione precoce di tumori più aggressivi o con caratteristiche metaboliche particolari che potrebbero rispondere diversamente ai trattamenti.

L’intelligenza artificiale: reti neurali convolute per il modello predittivo

Il passo successivo dello studio ha previsto l’interpolazione di tutti i dati raccolti tramite una rete neurale convoluta, un tipo di intelligenza artificiale particolarmente adatto all’analisi di immagini e dati complessi. Questo approccio ha permesso di ottenere un modello predittivo robusto.

L’analisi con l’intelligenza artificiale ha identificato diversi modelli possibili, tra cui uno, denominato “modello 4”, che è risultato quello che correla meglio con i parametri prognostici. Questo modello rappresenta l’integrazione ottimale di tutti i parametri morfologici, strutturali e biochimici analizzati.

L’utilizzo dell’intelligenza artificiale in questo contesto non sostituisce il giudizio clinico, ma lo supporta, permettendo di integrare e pesare in modo ottimale una quantità di informazioni che sarebbe difficile gestire con approcci tradizionali.

Sviluppi futuri: integrazione con genomica e trascrittomica

Come ultimo step dello studio, attualmente in corso, il gruppo di ricerca sta integrando i risultati ottenuti implementando l’algoritmo del modello prognostico con dati genomici e trascrittomici. Questa fase si avvale di una collaborazione internazionale con l’Università di Toronto e con 10X Genomics, un’azienda leader nelle tecnologie di analisi molecolare.

Sono attualmente in corso analisi di trascrittomica spaziale su singola cellula, una tecnologia all’avanguardia che permette di analizzare l’espressione genica di ogni singola cellula mantenendo l’informazione sulla sua posizione nel tessuto. Questo approccio fornisce una visione senza precedenti dell’eterogeneità tumorale e del microambiente.

L’obiettivo è ricavare, tramite algoritmi di intelligenza artificiale, i parametri più significativi da integrare nel nomogramma già sviluppato. Il modello finale sarà confrontato con lo standard AJCC per verificare se possa performare in misura ancora maggiore e migliore, e quindi essere traslato precocemente nella pratica clinica.

Un approccio integrato dalla morfologia alla biologia molecolare

Il progetto rappresenta un esempio paradigmatico di come la medicina di precisione possa essere applicata all’oncologia dei tumori testa-collo. L’approccio integrato sviluppato dal team combina:

Analisi morfologica tradizionale, ma approfondita con parametri prognostici validati; imaging tridimensionale avanzato con luce di sincrotrone per una caratterizzazione strutturale superiore; analisi biochimiche e metaboliche per identificare alterazioni funzionali precoci; intelligenza artificiale per l’integrazione ottimale di dati complessi e multidimensionali; genomica e trascrittomica spaziale su singola cellula per la caratterizzazione molecolare ad alta risoluzione.

Questo approccio multi-livello permette una stratificazione del rischio molto più accurata rispetto agli approcci tradizionali, con il potenziale di identificare sottogruppi di pazienti che potrebbero beneficiare di trattamenti personalizzati.

La forza della collaborazione multicentrica

Il Prof. Santarelli ha concluso ringraziando tutte le persone che hanno collaborato allo sviluppo del progetto, sia dell’Università Politecnica delle Marche che dell’Università di Foggia. Questa collaborazione multicentrica è stata essenziale per raccogliere una casistica sufficientemente ampia e per integrare competenze diverse.

Il progetto dimostra come la ricerca oncologica moderna richieda necessariamente la convergenza di competenze diverse: dalla patologia clinica alla fisica applicata (sincrotrone), dall’informatica (intelligenza artificiale) alla biologia molecolare (genomica e trascrittomica), dalla statistica alla bioinformatica.

Prospettive di traslazione clinica

L’obiettivo finale del progetto è sviluppare uno strumento che possa essere traslato nella pratica clinica in tempi ragionevolmente brevi. Il fatto di partire da parametri morfologici valutabili su biopsie routinarie rappresenta un vantaggio significativo in termini di applicabilità.

L’integrazione progressiva di livelli di analisi sempre più sofisticati (tridimensionale, metabolomica, genomica) può avvenire in modo scalare, permettendo diversi livelli di utilizzo in base alle risorse disponibili e alla complessità del caso clinico.

Lo studio rappresenta un modello di come la ricerca in medicina di precisione debba procedere: partendo dalla pratica clinica, utilizzando le tecnologie più avanzate disponibili, ma sempre con l’obiettivo di tornare alla pratica clinica con strumenti che possano effettivamente migliorare la cura dei pazienti. Il carcinoma squamocellulare del cavo orale, con le sue curve di mortalità stagnanti, rappresenta un banco di prova importante per questi nuovi approcci, e i risultati preliminari suggeriscono che la strada intrapresa sia quella corretta.