Cancro/studio – Immagine: adenocarcinoma polmonare osservato al microscopio. Foto/iStock.
Uno studio rivoluzionario condotto da Ruishan Liu, Professore associato di informatica alla USC, ha scoperto in che modo specifiche mutazioni genetiche influenzano i risultati dei trattamenti contro il cancro: informazioni che potrebbero aiutare i medici a personalizzare i trattamenti in modo più efficace.
Si tratta del più grande studio del suo genere: la ricerca ha analizzato i dati di oltre 78.000 pazienti oncologici di 20 tipi diversi. I pazienti sono stati sottoposti a immunoterapie, chemioterapie e terapie mirate.
Utilizzando un’analisi computazionale avanzata, i ricercatori hanno identificato quasi 800 mutazioni genetiche che hanno avuto un impatto diretto sulla sopravvivenza. Hanno inoltre scoperto 95 geni significativamente associati alla sopravvivenza in tumori come quello al seno, alle ovaie, alla pelle e al tratto gastrointestinale.
Sulla base di queste intuizioni, il team ha sviluppato uno strumento di apprendimento automatico per prevedere come i pazienti affetti da cancro ai polmoni in fase avanzata potrebbero rispondere all’immunoterapia.
“Queste scoperte evidenziano come la profilazione genetica possa svolgere un ruolo cruciale nella personalizzazione della cura del cancro“, ha affermato Liu. “Comprendendo come le diverse mutazioni influenzano la risposta al trattamento, i medici possono selezionare le terapie più efficaci, evitando potenzialmente quelle inefficaci e concentrandosi su quelle più efficaci“.
Pubblicato su Nature Communications, lo studio evidenzia il ruolo cruciale di geni quali TP53, CDKN2A e CDKN2B nell’influenzare i risultati del trattamento, convalidando queste associazioni con dati del mondo reale.
Coautori dello studio sono Shemra Rizzo, Lisa Wang, Nayan Chaudhary, Sophia Maund, Sarah McGough e Ryan Copping di Genentech; Marius Rene Garmhausen di Roch e James Zou della Stanford University.
Perché le mutazioni sono importanti?
Le mutazioni genetiche, ovvero i cambiamenti nel DNA, possono influenzare lo sviluppo del cancro e la risposta del paziente al trattamento. Alcune mutazioni si verificano in modo casuale, mentre altre sono ereditarie.
Nel cancro, le mutazioni possono determinare se un tumore è più aggressivo o come potrebbe rispondere a determinati trattamenti. Oggi, i test genetici sono sempre più utilizzati nella cura del cancro per identificare queste mutazioni, consentendo ai medici di selezionare i trattamenti con maggiore precisione.
Ad esempio, i pazienti a cui è stato diagnosticato un carcinoma polmonare non a piccole cellule (NSCLC) vengono spesso sottoposti a test genomici per individuare mutazioni in geni come KRAS, EGFR e ALK, per determinare se le terapie mirate o le immunoterapie potrebbero essere efficaci.
I principali risultati dello studio includono:
• Le mutazioni di KRAS nel carcinoma polmonare non a piccole cellule avanzato sono state collegate a una risposta più scarsa a un trattamento comune (inibitori dell’EGFR), suggerendo che potrebbero essere necessari trattamenti alternativi.
• Le mutazioni di NF1 hanno migliorato le risposte all’immunoterapia e peggiorato le risposte ad alcune terapie mirate, evidenziando il loro ruolo complesso nel trattamento.
• Le mutazioni del pathway PI3K, che regolano la crescita cellulare, hanno avuto effetti variabili a seconda del tipo di tumore, con risposte diverse nei tumori al seno, al melanoma e ai reni.
• Le mutazioni del pathway di riparazione del DNA hanno migliorato l’efficacia dell’immunoterapia nel tumore al polmone aumentando l’instabilità del tumore.
• Le mutazioni nei pathway correlati al sistema immunitario sono state associate a migliori tassi di sopravvivenza per i pazienti con tumore al polmone trattati con immunoterapia, suggerendo che non tutte le mutazioni ostacolano il successo del trattamento.
Un potente strumento predittivo
Sebbene i trattamenti contro il cancro abbiano tradizionalmente seguito un approccio univoco, in cui i pazienti con lo stesso tipo di cancro ricevono le stesse terapie standard, lo studio sottolinea l‘importanza della medicina di precisione, che personalizza il trattamento in base al corredo genetico unico di ogni paziente.
Tuttavia, sebbene esistano enormi quantità di dati sulle mutazioni, solo una piccola parte di essi è clinicamente validata, limitando il potenziale impatto nella pratica clinica e il beneficio per i pazienti. Per colmare questa lacuna, sulla base dei risultati ottenuti, il team di Liu ha utilizzato l’apprendimento automatico per analizzare come diverse mutazioni interagiscono per influenzare gli esiti del trattamento.
MI ricercatori hanno sviluppato un modello Random Survival Forest (RSF), uno strumento predittivo progettato per perfezionare le raccomandazioni terapeutiche per i pazienti affetti da cancro al polmone. Integrando dati reali su larga scala con l’apprendimento automatico, il modello ha identificato nuove interazioni tra mutazione e trattamento.
“Il nostro obiettivo era individuare modelli che potessero non essere evidenti a prima vista e poi tradurre queste informazioni in strumenti pratici che possano ampliare l’accesso all’immunoterapia per le persone affette da cancro“, ha affermato Lui. “Un’innovazione fondamentale risiede nell’integrazione di enormi quantità di dati con tecniche avanzate di statistica e apprendimento automatico per scoprire interazioni mutazione-trattamento precedentemente sconosciute“.
Leggi anche:Cancro: nuovo metodo rivoluziona la diagnosi
Sebbene siano necessari ulteriori studi clinici, Liu ritiene che questo studio rappresenti un passo importante verso una terapia contro il cancro più precisa e personalizzata.
“Questa ricerca dimostra il potere della scienza computazionale nel trasformare dati clinici e genomici complessi in informazioni fruibili”, ha affermato. “È profondamente gratificante contribuire a strumenti e conoscenze che possono migliorare direttamente l’assistenza ai pazienti”.
Fonte: USC