Il tumore del pancreas resta una delle neoplasie più difficili da intercettare in tempo. In particolare, l’adenocarcinoma duttale pancreatico, la forma più comune e aggressiva, viene spesso scoperto quando la malattia è già avanzata. Il problema principale è che nelle fasi iniziali può non dare sintomi chiari e, anche quando vengono eseguite indagini radiologiche, le alterazioni del tessuto possono essere troppo sottili per essere riconosciute.
Una nuova ricerca pubblicata su Gut apre però una prospettiva interessante. Un sistema di intelligenza artificiale chiamato REDMOD sarebbe riuscito a individuare segnali precocissimi di tumore al pancreas in scansioni TAC considerate normali al momento dell’esame. Si tratta di cambiamenti non visibili a occhio nudo, legati alla texture del tessuto pancreatico, che potrebbero anticipare la diagnosi clinica di mesi o persino anni.
Come funziona REDMOD
Il modello, il cui nome completo è Radiomics-based Early Detection Model, analizza caratteristiche molto fini delle immagini mediche. Non cerca una massa già evidente, ma pattern nascosti nel tessuto, cioè piccole variazioni strutturali che possono precedere la comparsa riconoscibile della malattia.
Potrebbe interessarti anche:
- Cancro al pancreas, un nuovo farmaco potrebbe raddoppiare la sopravvivenza
- Studio italiano apre a nuove linee guida per il tumore al pancreas? Tutti i dettagli
- Tumore al pancreas: la proteina che blocca le terapie (e come aggirarla)
Il sistema include anche una segmentazione automatica del pancreas. In pratica, delimita con precisione l’organo e lo separa dai tessuti circostanti, riducendo le differenze che possono nascere quando questa operazione viene fatta manualmente. Questo passaggio è importante perché rende l’analisi più stabile e meno dipendente dall’interpretazione del singolo operatore.
Lo studio su oltre mille scansioni
Per valutare le prestazioni del modello, i ricercatori hanno analizzato TAC addominali di 219 pazienti provenienti da più ospedali. Al momento degli esami, queste persone erano state considerate libere da malattia sulla base della valutazione dei radiologi, ma in seguito hanno ricevuto una diagnosi di tumore al pancreas.
Nel dettaglio, per 87 pazienti, pari al 40%, le scansioni erano state eseguite tra 3 e 12 mesi prima della diagnosi. Per 76 pazienti, cioè il 35%, gli esami risalivano a 12-24 mesi prima. Per altri 56 pazienti, il 25%, le TAC erano state effettuate oltre 24 mesi prima della diagnosi, fino a circa 3 anni. Nel 64% dei casi, il tumore si trovava nella testa del pancreas.
I risultati sono stati confrontati con le scansioni di 1.243 persone che non hanno sviluppato tumore pancreatico nei tre anni successivi. Il gruppo di confronto era stato abbinato per età, sesso e data dell’esame. L’età media dei pazienti poi diagnosticati era di 69 anni, con un intervallo tra 34 e 88 anni; nel gruppo di controllo l’età media era di 64 anni, con lo stesso intervallo.
Un anticipo medio di 475 giorni
Secondo i dati dello studio, REDMOD ha individuato segnali preclinici di adenocarcinoma duttale pancreatico in media 475 giorni prima della diagnosi ufficiale. È un dato rilevante perché, per questa malattia, il tempo della diagnosi incide in modo diretto sulle possibilità di trattamento.
Gli autori sottolineano che aumentare la quota di tumori pancreatici individuati in fase localizzata dal 10% al 50% potrebbe più che raddoppiare i tassi di sopravvivenza, secondo modelli già disponibili. In altre parole, non si tratta solo di vedere prima una lesione, ma di spostare l’intero percorso diagnostico verso una fase in cui la malattia potrebbe essere più trattabile.
Prestazioni superiori rispetto ai radiologi
Nel confronto con gli specialisti, REDMOD ha mostrato una sensibilità quasi doppia: 73% contro 39%. Questo significa che il sistema è stato più efficace nel riconoscere i casi realmente destinati a sviluppare tumore.
Il divario è risultato ancora più marcato per le scansioni effettuate oltre due anni prima della diagnosi. In quel caso, REDMOD ha raggiunto un’accuratezza del 68%, rispetto al 23% dei radiologi. Non significa che l’intelligenza artificiale possa sostituire il medico, ma suggerisce che possa diventare uno strumento di supporto per segnalare casi che meritano controlli più approfonditi.
Verifiche aggiuntive e limiti dello studio
Il modello è stato testato anche su un gruppo indipendente di 539 pazienti, classificando correttamente come libere da tumore poco più dell’81% delle scansioni. In un ulteriore dataset dei National Institutes of Health, composto da 80 pazienti, ha raggiunto un’accuratezza dell’87,5%.
Un altro dato importante riguarda la stabilità nel tempo. Quando i pazienti erano stati sottoposti a scansioni precedenti, REDMOD ha prodotto lo stesso risultato nel 90-92% dei casi, indicando che i segnali individuati non erano casuali.
Restano però limiti da considerare. I ricercatori segnalano, tra gli altri, una scarsa diversità etnica tra i partecipanti. Inoltre, prima di un utilizzo su larga scala, il sistema dovrà essere validato in modo prospettico, soprattutto nei gruppi a rischio, come persone con perdita di peso inspiegata o diabete di nuova diagnosi.
Una possibile svolta, ma non ancora una pratica clinica
REDMOD rappresenta un passo avanti importante nello studio della diagnosi precoce del tumore pancreatico. La prospettiva è quella di passare da una scoperta spesso tardiva e sintomatica a un’intercettazione preclinica, quando il tumore potrebbe essere ancora in una fase molto iniziale.
L'anticipo medio di 475 giorni non è solo un numero statistico, ma una finestra terapeutica enorme. Individuare l'adenocarcinoma duttale pancreatico quando è ancora 'visivamente occulto' ai radiologi significa poter intervenire in una fase in cui la resezione chirurgica ha probabilità di successo molto più elevate. Se validata su larga scala, questa tecnologia potrebbe spostare la diagnosi dal 10% al 50% di casi localizzati, raddoppiando potenzialmente i tassi di sopravvivenza a cinque anni.
Per ora, però, si tratta di una tecnologia promettente e non di uno strumento già pronto per l’uso quotidiano. Serviranno ulteriori verifiche, su popolazioni più ampie e diverse, per capire come integrarla davvero nei percorsi clinici. Il dato centrale, comunque, resta chiaro: nelle immagini mediche considerate normali potrebbero esserci informazioni che l’occhio umano non riesce a cogliere, ma che un sistema addestrato può iniziare a riconoscere.
FONTI:
SciTechDaily - AI Detects “Invisible” Signs of Pancreatic Cancer Years Before Diagnosis
BMJ Journal - Next-generation AI for visually occult pancreatic cancer detection in a low-prevalence setting with longitudinal stability and multi-institutional generalisability
