L'intelligenza artificiale sta entrando sempre di più nella ricerca e nell'assistenza oncologica: si passa dalla medicina di precisione alla gestione del dolore e degli effetti collaterali della chemioterapia.
Ma quali sono i benefici che offre concretamente ai pazienti? Gli studi più recenti indicano nuove possibilità, ancora da verificare nella pratica clinica.
Dalla ricerca sui tumori alle decisioni terapeutiche
Individuare caratteristiche biologiche difficili da riconoscere, interpretare i sintomi e prevedere alcune complicanze: sono queste alcune delle applicazioni dell'intelligenza artificiale in oncologia. Il suo potenziale non riguarda soltanto la diagnosi, ma anche la possibilità di personalizzare il percorso assistenziale.
Il tema è stato affrontato il 26 ottobre 2026 durante il convegno Ripensare l'Oncologia: innovazione, multidisciplinarità e continuità delle cure, organizzato presso l'Università degli Studi di Salerno. Al centro del confronto, il rapporto tra innovazione tecnologica, medicina di precisione e qualità della vita.
Una delle prospettive più interessanti è rappresentata dalla medicina multi-omica. Questa disciplina integra informazioni provenienti da diverse aree della biologia, come genomica, proteomica ed epigenetica. In termini pratici, permette di osservare un tumore attraverso più livelli di informazioni, anziché concentrarsi esclusivamente sul suo patrimonio genetico.
Una review pubblicata nel 2025 sul Journal of Translational Medicine ha esaminato proprio l'integrazione tra analisi multi-omiche e intelligenza artificiale per individuare possibili strategie farmacologiche nei tumori femminili.
L'obiettivo è anche riconoscere farmaci già conosciuti che potrebbero trovare nuove applicazioni terapeutiche. Si parla di drug repositioning: una strategia che cerca nuove indicazioni per medicinali esistenti, riducendo potenzialmente i tempi necessari per sviluppare nuove terapie.
Attenzione, però: un'ipotesi individuata da un algoritmo non equivale a un trattamento efficace. Servono verifiche sperimentali e studi clinici prima di poter trasferire queste intuizioni nella pratica.
Dolore oncologico e neuropatia: cosa possono prevedere gli algoritmi
Un altro campo di applicazione riguarda la gestione del dolore: nei pazienti oncologici, infatti, l'intensità del sintomo non racconta da sola quanto la malattia condizioni la vita quotidiana. Contano anche l'autonomia, la mobilità e la capacità di svolgere le normali attività.
Uno studio pubblicato nel 2026 sul Journal of Anesthesia, Analgesia and Critical Care, denominato RUGGI, ha analizzato 86 pazienti con dolore oncologico cronico attraverso tecniche di machine learning.
I ricercatori hanno integrato le informazioni cliniche con quelle relative alla funzionalità dei pazienti. Il risultato più interessante riguarda l'ECOG Performance Status, una scala utilizzata per misurare lo stato funzionale: la perdita di autonomia è risultata particolarmente associata alla gravità del dolore.
La ricerca suggerisce quindi che, per comprendere meglio la sofferenza di una persona, non basta chiedere quanto dolore avverta. Occorre valutare anche quanto quel dolore interferisca con la sua quotidianità.
Un secondo studio, pubblicato nel giugno 2026 su Supportive Care in Cancer, ha invece esaminato la possibilità di prevedere la neuropatia periferica indotta dall'oxaliplatino, un farmaco utilizzato contro diversi tumori, tra cui quello colorettale.
La ricerca ha coinvolto 829 pazienti. Attraverso i dati clinici è stato sviluppato un modello predittivo per stimare il rischio di sviluppare questa complicanza, che può manifestarsi con formicolio, intorpidimento, perdita di sensibilità e dolore.
La prospettiva è quella di individuare precocemente le persone che potrebbero necessitare di un monitoraggio più attento. Ma prevedere una complicanza non significa ancora saperla prevenire.
Telemedicina e continuità assistenziale dopo le cure
Il monitoraggio non dovrebbe interrompersi quando il paziente lascia l'ospedale. Alcuni effetti collaterali, infatti, compaiono o cambiano tra una visita e l'altra e possono persistere anche dopo la conclusione dei trattamenti.
In questo scenario, telemedicina e intelligenza artificiale potrebbero lavorare insieme. La prima consente di raccogliere informazioni a distanza, mentre gli algoritmi possono contribuire a individuare variazioni dei sintomi che meritano una valutazione tempestiva.
Si pensi a un paziente sottoposto a chemioterapia che segnala progressivamente difficoltà a camminare o perdita di sensibilità alle estremità. Un sistema di monitoraggio potrebbe intercettare il peggioramento e segnalarlo al personale sanitario.
Potrebbe interessarti anche:
- Tumori in Europa: incidenza fino a 7 volte più alta tra i Paesi UE
- Tumore al seno: il nuovo farmaco che riduce le vampate da terapia endocrina
- Tumore al polmone: il vaccino OSE2101 supera il 40% a un anno
Il passaggio decisivo, tuttavia, è la risposta clinica: raccogliere dati senza disporre di professionisti e servizi in grado di interpretarli rischia di produrre soltanto nuove segnalazioni, senza migliorare l'assistenza.
Il nodo dei costi e delle prove scientifiche
L'adozione di queste tecnologie comporta anche una valutazione economica e organizzativa. Non basta acquistare un software: occorre formare il personale, integrare i sistemi nelle attività ospedaliere e verificare che le informazioni prodotte siano realmente utilizzabili.
Qui entra in gioco l'Health Technology Assessment (HTA), la valutazione delle tecnologie sanitarie. Il Ministero della Salute descrive questo processo come un'analisi multidisciplinare che considera efficacia clinica, sicurezza, costi, conseguenze organizzative e aspetti etici e sociali.
Per un sistema di intelligenza artificiale che prevede le complicanze della chemioterapia, per esempio, la domanda non dovrebbe essere soltanto quanto sia preciso. Bisogna capire se consenta interventi più tempestivi, riduca i sintomi e preservi l'autonomia del paziente.
Esistono, tuttavia, limiti scientifici da non trascurare. Lo studio RUGGI ha coinvolto soltanto 86 persone e gli stessi autori riconoscono prestazioni predittive moderate. La ricerca sulla neuropatia da oxaliplatino, pur avendo analizzato 829 pazienti, è retrospettiva e monocentrica: i risultati devono essere verificati su popolazioni indipendenti. I dati originali dei due studi e la ricerca sulla neuropatia mostrano perché sia prematuro parlare di applicazioni già consolidate.
Un ulteriore elemento di cautela arriva dalle raccomandazioni dell'American Society of Clinical Oncology. Le linee guida ASCO del 2020 non individuavano farmaci raccomandati per prevenire la neuropatia periferica da chemioterapia. Per le forme dolorose già sviluppate, la duloxetina era l'unico trattamento con evidenze sufficienti, sebbene con benefici limitati.
L'intelligenza artificiale, quindi, può migliorare la capacità di riconoscere un rischio, ma non elimina automaticamente i problemi terapeutici ancora aperti.
Supervisione medica e responsabilità: chi prende le decisioni?
Resta il tema della responsabilità clinica. Un algoritmo può segnalare un'anomalia o suggerire che un paziente presenti un rischio elevato, ma non dovrebbe decidere autonomamente una modifica della terapia oncologica.
Il Regolamento europeo sull'intelligenza artificiale (AI Act) prevede specifici obblighi per i sistemi ad alto rischio, compresi quelli che rientrano nell'ambito dei dispositivi medici. Tra i requisiti figura la supervisione umana, affinché i professionisti possano interpretare e, quando necessario, correggere le indicazioni generate dalla tecnologia.
La questione, però, non riguarda soltanto le regole. Servono dati rappresentativi, controlli periodici sulle prestazioni degli algoritmi e procedure per individuare eventuali errori. Un modello sviluppato su una determinata popolazione potrebbe infatti non funzionare altrettanto bene su pazienti con caratteristiche differenti.
La prospettiva per i prossimi anni sarà dunque misurare l'innovazione attraverso risultati concreti: diagnosi più accurate, complicanze riconosciute tempestivamente, migliore gestione del dolore e maggiore qualità della vita. Non quanti algoritmi entrano negli ospedali, ma quanti riescono davvero a migliorare il percorso di cura.
Fonti:
- Springer Nature Link – An explainable predictive machine learning model of oxaliplatin induced peripheral neuropathy based on clinical data: a retrospective single center
- Springer Nature Link – A prospective multimethod investigation of cancer-related pain integrating clinical data and machine learning: results from the RUGGI Study
- Springer Nature Link – Multi-omics based and AI-driven drug repositioning for epigenetic therapy in female malignancies
- Ministero della Salute – Il processo di Health Technology Assessment (HTA)
- PubMed – A prospective multimethod investigation of cancer-related pain integrating clinical data and machine learning: results from the RUGGI Study
- Journal for clinical Oncology – Prevention and Management of Chemotherapy-Induced Peripheral Neuropathy in Survivors of Adult Cancers: ASCO Guideline Update
- Eur Lex
