Un innovativo modello di intelligenza artificiale è stato sviluppato dall’Università Vita-Salute San Raffaele e dall’IRCCS Ospedale San Raffaele per stimare il rischio di mortalità tumore-specifica nei pazienti con carcinoma renale localizzato. Questo studio, pubblicato su Nature Communications, utilizza solo otto parametri clinici già disponibili prima dell’intervento chirurgico.
Il carcinoma a cellule renali rappresenta la forma più comune di tumore del rene e, sebbene la chirurgia sia il trattamento principale per la malattia localizzata, circa un paziente su tre può andare incontro a recidiva o progressione. Pertanto, è fondamentale identificare i pazienti a rischio più elevato già in fase preoperatoria per orientare il percorso terapeutico.
Un approccio personalizzato alla medicina
Il dottor Alessandro Larcher, medico urologo dell’Unità Operativa di Urologia dell’IRCCS Ospedale San Raffaele, sottolinea l’importanza di avere uno strumento che possa stimare il rischio prima dell’intervento. Questo modello non sostituisce il giudizio del medico, ma fornisce un supporto oggettivo per decisioni più personalizzate.
Il modello si basa su otto variabili cliniche: dimensione del tumore, interessamento dei linfonodi, emoglobina, conta piastrinica, funzionalità renale, età, indice di massa corporea e performance status del paziente. È stato sviluppato su una coorte di 2.536 pazienti e validato su un’altra coorte di 580 pazienti dell’Azienda Ospedaliero-Universitaria Careggi di Firenze, dimostrando prestazioni superiori rispetto ai modelli prognostici attualmente disponibili.
Trasparenza e responsabilità nell’AI
Un aspetto distintivo di questo studio è l’approccio di Explainable AI, che rende comprensibile il contributo delle singole variabili cliniche nella stima del rischio, evitando il problema della “scatola nera”. Questo favorisce l’integrazione del modello nella pratica clinica.
Il progetto è parte della piattaforma S-RACE, che trasforma i dati clinici raccolti nella pratica quotidiana in strumenti di supporto alla ricerca e alle decisioni cliniche. Il dottor Alberto Traverso, responsabile scientifico del gruppo di Data Science S-RACE, evidenzia come questa piattaforma consenta di sviluppare modelli accurati e trasparenti, fondamentali per l’adozione di queste tecnologie nella pratica clinica.