Tumori esofagei: l’intelligenza artificiale guida la scelta radioterapica per ridurre l’immunosoppressione

Uno studio pubblicato sul Journal of Clinical Oncology Clinical Cancer Informatics propone infatti un approccio predittivo basato su machine learning controfattuale bayesiano per orientare la scelta tra protonterapia e radioterapia a intensità modulata (IMRT), con l’obiettivo di limitare l’immunosoppressione correlata al trattamento.

La ricerca parte da un nodo clinico rilevante: la linfopenia radio-indotta (RIL), tossicità frequente nei pazienti oncologici sottoposti a chemioradioterapia e associata a peggiori outcome, inclusi ridotta sopravvivenza e minore efficacia delle strategie immunoterapiche. La vulnerabilità del sistema immunitario alle radiazioni rappresenta infatti un fattore sempre più determinante nei percorsi terapeutici multimodali.

Gli autori hanno applicato un algoritmo causale bayesiano a una coorte retrospettiva di 510 pazienti con carcinoma dell’esofago, analizzando l’impatto di differenti modalità radioterapiche sui livelli minimi di linfociti durante il trattamento. Il modello ha integrato variabili cliniche e biologiche, tra cui età, indice di massa corporea (BMI), conta linfocitaria assoluta basale e volume bersaglio pianificato, individuando cinque distinti profili clinici.

I risultati suggeriscono che la scelta della tecnologia radioterapica non produce benefici uniformi, ma dipende da caratteristiche specifiche del paziente. In particolare, nei soggetti over 69 normopeso, la IMRT è risultata associata a una riduzione media dei linfociti circa doppia rispetto alla protonterapia. Differenze clinicamente significative sono emerse anche nei pazienti sovrappeso o obesi con bassa conta linfocitaria pretrattamento, nei quali la protonterapia sembrerebbe attenuare maggiormente il rischio di immunodepressione.

Secondo i ricercatori, il valore aggiunto del modello consiste nella capacità di superare approcci decisionali standardizzati, favorendo una stratificazione personalizzata del rischio immunologico. L’integrazione di strumenti predittivi avanzati potrebbe così contribuire a ottimizzare la selezione terapeutica, soprattutto nei setting oncologici in cui il mantenimento della competenza immunitaria assume crescente centralità.

L’evidenza necessita di ulteriori validazioni prospettiche, ma apre alla possibilità di incorporare modelli computazionali interpretabili nella pianificazione radioterapica di precisione.