Si chiama Trialscope l’applicazione di IA generativa sviluppata da Providence e Microsoft Research con l’obiettivo di simulare e validare gli esiti di studi clinici mediante l’utilizzo di dati real-world. I risultati ottenuti in uno studio durato tre anni e che ha visto l’utilizzo dei dati di oltre 1 milione di pazienti oncologici della rete di organizzazioni che fa capo al provider sanitario americano Providence sono stati recentemente pubblicati su NEJM AI. I dati non strutturati (es. note cliniche) dei pazienti sono stati estratti dalle cartelle cliniche elettroniche utilizzando modelli di linguaggio specifici per il settore biomedico. I modelli probabilistici avanzati al centro dello studio hanno permesso di ridurre il rumore di fondo e l’imputazione delle voci, permettendo così di ridurre la confusione nella stima dell’effetto del trattamento e di generare risultati comparabili, secondo i ricercatori, con quelli dei classici studi randomizzati controllati su casi di tumore al polmone. L’articolo descrive anche la simulazione di uno studio sul tumore del pancreas, comprensivo di vari criteri di eleggibilità.
“I risultati sono molto promettenti – ha commentato Carlo Bifulco, direttore medico Cancer Genomics and Precision Oncology del Providence Cancer Institute -. Attualmente, la tecnologie si è spostata anche oltre quello che era possibile quando abbiano disegnato questo studio nel 2022. Gli strumenti IA continuano a migliorare, così che possiamo simulare i risultati dei trial dai dati dei pazienti”.
“In questo modo si abbassa il rischio degli studi clinici ricorrendo ai dati real-world dei pazienti che hanno già ricevuto il trattamento, permettendo ai ricercatori di generare insight senza esporre nuovi pazienti ai nuovi medicamenti – ha aggiunto Brian Piening, direttore della ricerca di Providence genomics e co-autore dello studio – Mentre i piccoli dataset simulati richiedono ancora una attenta validazione, il potenziale di Trialscope è inestimabile, mettendo a disposizione dei ricercatori un potente nuovo quadro per aiutare a ridurre il bisogno di grandi pool iniziali di partecipanti e celebrando il percorso verso studi più efficaci”
Ancora molte domande aperte per l’effettiva applicabilità
Il percorso per l’ottimizzazione del metodo basato su Trialscope potrebbe ancora essere lungo, alla luce delle osservazioni dei due editoriali che hanno accompagnato la pubblicazione dell’articolo su NEJM AI. Nel primo, Dahabreh et al., evidenziano lo scopo applicativo ancora limitato dell’algoritmo di intelligenza artificiale, che per il momento potrebbe aiutare nel disegno degli studi clinici randomizzati. Nel secondo, Ouyang e Drazen sottolineano come resti ancora tutta da dimostrare l’applicabilità di Trialscope anche a patologie diverse dal cancro e caratterizzate da una maggiore variabilità.
Foto di Gerd Altmann da Pixabay
