Dall’integrazione dei dati multimodali diagnosi sempre più precise e preziosi insight su come i pazienti potranno rispondere alle terapie

Nell’era della medicina di precisione, la diagnosi e il trattamento dei tumori stanno attraversando una trasformazione radicale. L’Intelligenza Artificiale e i Big Data si rivelano sempre più come preziosi alleati nella diagnosi e cura di queste patologie: poter aggregare e integrare tutti i dati disponibili su un paziente, infatti, è la strada per arrivare ad effettuare diagnosi più precise e rapide e a definire terapie ottimali nell’ambito di un percorso di cura personalizzato. E questo soprattutto in oncologia, dove l’eterogeneità dei tumori - caratterizzati da molteplici variabili che possono influenzare la risposta ai trattamenti - rappresenta una grande sfida.
Migliorare la precisione diagnostica e personalizzare le terapie grazie alle nuove tecnologie, massimizzando le probabilità di successo: è questo l’obiettivo a cui bisogna tendere, in ottica di medicina di precisione. Ne abbiamo parlato nel corso di “The Next Generation”, il primo congresso congiunto delle tre società scientifiche dell’area radiologica - Sirm, Aimn e Airo - appena conclusosi a Milano, in particolare durante il simposio focalizzato su Intelligenza Artificiale e imaging oncologico organizzato da GE HealthCare.
Storia clinica, anatomia patologia, genomica, dati di laboratorio, immagini provenienti dagli esami radiologici e loro referti: disponiamo oggi di tantissimi dati sui pazienti. Poterli aggregare e integrare in un’unica piattaforma digitale, con un’interfaccia visibile a tutti i medici che trattano il paziente, è una esigenza clinica che si sta trasformando in realtà grazie a nuove soluzioni digitali in via di sviluppo.
I dati multimodali sul paziente - genomici, istologici, radiomici, clinici, biologici – forniscono infatti un supporto fondamentale alle decisioni del medico durante il percorso diagnostico e terapeutico, in real time, grazie a machine learning e Intelligenza Artificiale che permettono di correlarli rapidamente e secondo diversi criteri fino ad ottenere un’analisi predittiva, in fase di definizione o adattamento del trattamento, o per verificare l’eligibilità del paziente all’arruolamento in un ampio numero di studi clinici.
Le stesse informazioni, con il contributo dell’analisi longitudinale, possono poi essere aggregate e collegate ai dati sugli esiti clinici per trovare associazioni tra l’evoluzione della malattia e la risposta alla terapia con l’obiettivo non solo di trattare la malattia ma anche di prevedere, grazie all’Intelligenza Artificiale, la risposta del singolo paziente alla terapia.
La condivisione fluida delle informazioni cliniche e delle decisioni terapeutiche attraverso una piattaforma comune, oltre ad ottimizzare l’efficienza e le decisioni cliniche, migliora inoltre la coesione del team di cura, consentendo un approccio olistico e coordinato alla terapia oncologica.
In questo percorso, che vedrà un’accelerata nei prossimi anni, la ricerca scientifica è fondamentale e altrettanto importante è la collaborazione con l’industria e con il mondo accademico per lo sviluppo di soluzioni che colmino il divario della risoluzione spaziale tra organo e cellula, effettuino una analisi predittiva degli esiti grazie all’integrazione dei dati e ne permettano una fruizione condivisa fra i professionisti sanitari che gestiscono il paziente.

* Professore ordinario di Radiologia e Direttore della Scuola di Specializzazione di Radiodiagnostica dell’Università Cattolica del Sacro Cuore
Direttore della Diagnostica per Immagini e Radioterapia oncologica della Fondazione Policlinico Universitario Agostino Gemelli Irccs di Roma