L’evoluzione tecnologica non si ferma, e nel settore medico sta creando un movimento verso l’ottimizzazione che ha pochi precedenti. Niente è più emblematico di questo cambiamento rispetto alla diagnostica oncologica: una vera svolta giunge dal campo dell’intelligenza artificiale (IA). In primo piano entra un modello capace di anticipare con precisione chirurgica il rischio di carcinoma del colon-retto (CCR) nei pazienti affetti da colite ulcerosa e displasia a basso grado. Questa innovazione non è solo teorica: punta a ridefinire le strategie di sorveglianza, riducendo l’uso di procedure invasive e fornendo ai clinici strumenti decisionali più affidabili per gestire casi altrimenti complessi.

Le cifre lo dicono chiaro: il cancro al colon-retto non è un destino inevitabile, ma una sfida che si può affrontare con nuovi approcci. Solo in Italia, 48.706 pazienti hanno contratto il CCR nel 2024. A livello globale? Il numero sale a 1,9 milioni di casi l’anno. Un dato inquietante che spinge al cambiamento. È qui che entra in gioco la tecnologia per salvare vite e ottimizzare le risorse sanitarie limitate.

AI e Cancro Colorettale: Previsioni di Rischio per i Pazienti con Colite Ulcerosa

Nuovi traguardi della ricerca medica hanno dato vita a un innovativo modello di intelligenza artificiale in grado di anticipare il rischio di cancro colorettale nei pazienti affetti da colite ulcerosa e displasia di basso grado. Lo strumento è nato da una squadra di ricercatori dell’Università della California, San Diego, ed elabora dati clinici provenienti da oltre 55.000 individui. Questa tecnologia potrebbe cambiare radicalmente le strategie di sorveglianza riservate ai pazienti a basso rischio.

Come l’AI Calcola il Rischio Oncologico

La neoplasia colpisce intestino crasso e retto. Chi soffre di malattie infiammatorie intestinali (IBD), specie se le condizioni non sono gestite adeguatamente, vede aumentare la probabilità di sviluppare questa forma tumorale. Il vero nodo per i medici rimane l’identificazione dei pazienti con displasia di basso grado: individui che potrebbero essere destinati ad un rischio elevato di evoluzione verso il cancro, ma difficili da isolare nelle cure attuali.

Uno studio pubblicato su Clinical Gastroenterology and Hepatology suggerisce che l’intelligenza artificiale faciliti la personalizzazione delle strategie di controllo. I ricercatori hanno costruito un sistema automatizzato capace di estrarre informazioni chiave dai registri medici elettronici, tra cui le relazioni sulle colonscopie ed i dati istologici.

Eccellenza Predittiva e Sicurezza

L’algoritmo ha compiuto una distinzione critica:agisce come uno strumento complementare che affina il giudizio clinico, permettendo di concentrare le risorse sui pazienti ad alto rischio e di evitare interventi eccessivi su quelli a basso rischio.

È riuscito a riconoscere pazienti a rischio oncologico con una precisione che supera quella tradizionale di almeno il 60%. I risultati confermano anche l’efficienza del modello in scenari complessi come la colite ulcerosa: un contesto clinicamente delicato dove l’evoluzione della malattia può essere imprevista.

Un caso concreto dimostra l’impatto. Un paziente sottoposto a trattamento precoce ha evitato l’operazione chirurgica e ha salvaguardato l’integrità intestinale grazie all’identificazione tempestiva della displasia tramite le nuove metodologie di screening.

L’integrazione dell’intelligenza artificiale nella diagnostica del cancro colorettale (CCR), specialmente per i pazienti con colite ulcerosa e displasia di basso grado, offre diversi vantaggi concreti rispetto ai metodi tradizionali:

• Maggiore precisione predittiva: L’algoritmo ha dimostrato una precisione nel riconoscere i pazienti a rischio oncologico che supera quella tradizionale di almeno il 60%. È in grado di identificare con una precisione del 99% i pazienti nella categoria a bassissimo rischio che non svilupperanno il cancro entro due anni.
• Riduzione di procedure invasive non necessarie: Attualmente, le linee guida suggeriscono colonscopie di controllo ogni due anni per i pazienti con displasia di basso grado. L’algoritmo permette di estendere in sicurezza questi intervalli di sorveglianza per i soggetti a basso rischio, riducendo il numero di colonscopie superflue, i costi sanitari e l’ansia dei pazienti.
• Correzione della sottostima del rischio: I medici tendono spesso a sottostimare il rischio immediato di cancro in presenza di lesioni visibili che non possono essere rimosse completamente (irresecabili). Le fonti indicano che circa il 37,4% dei pazienti considerati a basso rischio dai medici potrebbe essere in realtà sottostimato o classificato erroneamente; l’IA aiuta a ridurre questa soggettività clinica.
• Personalizzazione delle cure e supporto decisionale: Invece di un approccio standard, l’algoritmo categorizza i pazienti in 5 distinti gruppi di rischio. Questo fornisce a medici e pazienti dati numerici chiari e strumenti visuali per decidere con maggiore consapevolezza se optare per una sorveglianza intensiva o per interventi chirurgici preventivi, come la rimozione parziale o totale del colon.
• Ottimizzazione del flusso di lavoro e riduzione degli errori: Il sistema automatizza l’estrazione di informazioni chiave dalle cartelle cliniche elettroniche (come referti istologici e colonscopie), riducendo la dipendenza dalla memoria umana e minimizzando gli errori legati alla cattiva interpretazione dei referti. Inoltre, può segnalare automaticamente i pazienti che necessitano di tornare in clinica, evitando ritardi nei controlli.

L’algoritmo non offre solo una valutazione puntuale, ma fornisce informazioni preziose sul rischio di recidiva. Sebbene lo studio si concentri su soggetti con displasia di basso grado, i ricercatori ipotizzano espansioni future verso pazienti affetti da IBD senza questa condizione specifica.

L’approccio riduce la dipendenza dalla memoria umana e dai registri cartacei, eliminando errori legati alla cattiva interpretazione dei referti istologici. Questo sistema ottimizza le risorse ospedaliere, indirizzando controlli approfonditi solo dove realmente necessari e riducendo visite di controllo superflue.

Dallo Studio alla Prassi Ospedaliera

L’implementazione richiede una struttura informatica adeguata. Il modello opera su piattaforme cloud e può interagire direttamente con i sistemi informativi ospedalieri esistenti. Un team della UC San Diego ha progettato un framework in grado di integrare nuovi flussi dati, permettendo ai clinici di accedere alle previsioni tramite dashboard interattive.

Tuttavia, esistono sfide da risolvere prima di una diffusione massiva. Sistemi sanitari che gestiscono volumi elevati devono garantire interoperabilità e sicurezza informatica robuste. Inoltre, la regolamentazione dell’AI in ambito medico varia per regione, rendendo necessarie valutazioni etiche continue sull’uso dei dati sensibili.

Identificazione delle lesioni irresecabili: quando la diagnosi diventa cruciale

Ma c’è un caso specifico dove l’IA brilla ancora di più: la stima del rischio per le lesioni irresecabili. Lo studio ha mostrato che circa il 37,4% dei pazienti considerati a basso rischio dai medici potrebbe essere sottostimato o mal classificato. In termini di sicurezza, il modello avverte quando una lesione apparentemente innocente nasconde un potenziale oncologico significativo, riducendo la soggettività della decisione clinica.

Kathleen Curtius, autrice del lavoro, ha sintetizzato l’impatto del sistema nel seguente modo: “Abbiamo dimostrato che l’IA può integrare le conoscenze mediche tradizionali”. Le nuove regole per il controllo estendono quindi i tempi di osservazione sicuri solo per chi lo merita, mantenendo alta la guardia dove serve.

Fonte notizia: MEDICAL NEWS TODAY