Un algoritmo di intelligenza artificiale è in grado di prevedere, prima ancora di iniziare la cura, quali pazienti con tumore al polmone risponderanno meglio all’immunoterapia. È il risultato del progetto internazionale i3Lung, guidato dall’Istituto Nazionale dei Tumori di Milano. Lo studio è stato pubblicato sulla rivista Nature Medicine. Ha coinvolto quasi 2.400 pazienti in tutto il mondo, integrando immagini radiologiche, patologia digitale, genomica e analisi di laboratorio in un unico modello predittivo. Il risultato apre la strada a terapie oncologiche più mirate, riducendo il rischio di trattamenti inefficaci o troppo tossici.
di Lavinia Giganti | Giornalista | Dossier Salute
In sintesi
- Il progetto i3Lung, coordinato dall’Istituto Nazionale dei Tumori di Milano, ha sviluppato un algoritmo che prevede la risposta all’immunoterapia nel tumore al polmone non a piccole cellule metastatico.
- Lo studio, pubblicato su Nature Medicine, ha coinvolto 2.396 pazienti e 16 partnership internazionali in quattro anni di lavoro.
- L’algoritmo integra immagini TC, patologia digitale, genomica ed esami di laboratorio con modelli di machine learning e deep learning.
- Un test di usabilità su 20 medici mostra che lo strumento aiuta soprattutto gli oncologi generalisti, non solo gli specialisti del polmone.
- I risultati sono stati presentati alla World Conference on Lung Cancer 2026 di Seoul e ripresi da più agenzie e testate scientifiche italiane.
Come funziona l’algoritmo del progetto i3Lung
Il progetto i3Lung nasce nell’ambito del programma europeo Horizon Europe. L’obiettivo è sviluppare strumenti di intelligenza artificiale per l’oncologia polmonare. A coordinarlo è la dottoressa Arsela Prelaj, oncologa della Fondazione IRCCS Istituto Nazionale dei Tumori di Milano. Il progetto ha richiesto quattro anni di lavoro. Ha attivato 16 partnership con centri clinici e di ricerca in tutto il mondo. L’obiettivo era raccogliere dati sufficienti per costruire un modello predittivo affidabile. Il bersaglio è il tumore al polmone non a piccole cellule metastatico, il sottotipo più comune di cancro polmonare.
Il team ha raccolto quattro tipologie di dati da 2.396 pazienti: immagini di tomografia computerizzata, patologia digitale, informazioni genomiche e risultati di normali esami di laboratorio. Questi dati sono stati integrati in due modelli complementari, uno di machine learning early fusion e uno di deep learning intermediate-fusion. La combinazione di fonti diverse permette all’algoritmo di cogliere aspetti della malattia che un singolo dato non potrebbe rivelare da solo. Il risultato è una capacità predittiva superiore ai metodi tradizionali.
Nei test, anche i modelli basati solo sui dati del sangue hanno raggiunto un’area sotto la curva (AUC) fino a 0,77. È un risultato che supera le prestazioni dei biomarcatori oggi usati nella pratica clinica: PD-L1, il performance status ECOG, il rapporto neutrofili-linfociti, la LDH e il punteggio LIPI. Si apre così la strada a una selezione dei pazienti più accurata rispetto agli strumenti oggi disponibili nei reparti di oncologia.
Perché prevedere la risposta all’immunoterapia conta così tanto
Il tumore al polmone non a piccole cellule è la forma più diffusa di cancro polmonare. Quando è metastatico, l’immunoterapia è oggi lo standard di cura, spesso in combinazione con la chemioterapia. È però un trattamento con una tossicità significativa. Non sempre garantisce un beneficio clinico duraturo. Pur essendo usata da oltre un decennio, la scelta dei pazienti da trattare si basa ancora su analisi di sottogruppi e punteggi clinici piuttosto generici. Sono utili per popolazioni ampie, ma poco precisi sul singolo caso.
Il problema principale è che, con gli strumenti attuali, l’efficacia della cura si misura soprattutto dopo che il trattamento è già iniziato. Questo significa che alcuni pazienti affrontano mesi di terapia tossica senza un reale beneficio. Altri, che potrebbero rispondere bene, rischiano di non ricevere l’attenzione clinica più adeguata al loro caso. Uno strumento capace di anticipare la risposta individuale, prima dell’inizio della cura, cambierebbe questo scenario in modo sostanziale.
È esattamente questo che propone i3Lung: passare da una valutazione ex post a una previsione ex ante. L’algoritmo aiuta a stratificare correttamente i pazienti con tumore polmonare metastatico. Contribuisce a costruire un trattamento su misura per ciascun caso. L’obiettivo dichiarato dai ricercatori è migliorare in modo sensibile l’efficacia complessiva dell’immunoterapia nella pratica clinica quotidiana.
Cosa cambia per pazienti e medici: lo studio di usabilità
Oltre ai risultati predittivi, la ricerca ha incluso uno studio di usabilità. Serviva a capire quanto lo strumento sia utile non solo agli specialisti del tumore al polmone, ma anche agli oncologi generalisti. I ricercatori hanno selezionato 100 casi clinici. Hanno coinvolto 20 medici di tutto il consorzio internazionale: dieci esperti di cancro al polmone e dieci oncologi generalisti. A entrambi i gruppi è stato chiesto di prevedere l’efficacia dell’immunoterapia, con e senza l’aiuto dell’algoritmo.
Il confronto ha mostrato che tutti i medici coinvolti hanno tratto beneficio dall’uso dello strumento. Il vantaggio, però, è risultato particolarmente marcato per gli oncologi generalisti. È un dato importante. Suggerisce che l’intelligenza artificiale può contribuire a ridurre le differenze di qualità delle cure. Questo vale soprattutto tra i grandi centri oncologici specializzati e gli ospedali dove il tumore al polmone è seguito da medici non dedicati esclusivamente a questa patologia.
Il lavoro è stato presentato anche alla World Conference on Lung Cancer 2026, il principale congresso mondiale dedicato a questo tumore, conclusosi a Seoul il 15 settembre. I prossimi passi riguardano la validazione dello strumento su altre popolazioni di pazienti. Si guarda anche a una sua eventuale integrazione nei percorsi clinici quotidiani. È un processo che richiederà tempo, ma che la comunità scientifica internazionale osserva con crescente attenzione.
Illustrazione/visual generata con AI a scopo illustrativo. Le informazioni contenute in questo articolo sono tratte da fonti autorevoli e hanno finalità divulgativa: non sostituiscono in alcun caso il parere del medico.
Domande frequenti (FAQ)
#Adessonews seleziona nella rete articoli di particolare interesse.
Se vuoi leggere l’articolo completo clicca sul seguente link
