I modelli di IA di apprendimento automatico (machine learning) che utilizzano informazioni sanitarie raccolte abitualmente - come esami del sangue, anamnesi e fattori legati allo stile di vita - potrebbero contribuire a individuare le persone a maggior rischio di contrarre diversi tumori comuni. Emerge da uno studio internazionale presentato al Congresso della Società europea di oncologia medica (Esmo).
    I ricercatori hanno sviluppato circa 500 modelli di apprendimento automatico per prevedere il rischio di 20 tipi comuni di cancro, utilizzando i dati di 463.620 partecipanti alla UK Biobank, seguiti per un periodo di circa 18 anni.
    Durante questo arco di tempo, 57.055 partecipanti hanno sviluppato un tumore. I modelli hanno analizzato diverse tipologie di informazioni, tra cui l'anamnesi medica, i fattori legati allo stile di vita, gli esami del sangue, nonché dati genetici. Le prestazioni sono risultate particolarmente elevate per i tumori al polmone, all'esofago e al fegato, mentre sono apparse più limitate per i tumori dell'ovaio, della mammella e della cervice uterina.
    "Per alcuni tipi di tumore, questi modelli potrebbero fungere da fase di pre-screening a basso costo, utilizzando dati già disponibili nell'ambito dell'assistenza sanitaria di routine", afferma l'autore principale, Paul-Henry Koop dell'Else Kröner Fresenius Center for Digital Health presso la TU Dresden, in Germania. L'esperto ha osservato che i modelli potrebbero aiutare a orientare lo screening o gli interventi volti a ridurre il rischio di cancro, precisando tuttavia che molte delle persone identificate come ad alto rischio non svilupperanno la malattia. "Pertanto, una segnalazione di rischio elevato dovrebbe far scattare innanzitutto esami minimamente invasivi", ha affermato. Poiché lo studio ha analizzato dati esistenti in modo retrospettivo, sono comunque necessarie ulteriori ricerche. Il protocollo di analisi automatizzata proposto in questo lavoro, secondo Marco Lorenzi della Université Côte d'Azur France, "potrebbe rappresentare uno strumento prezioso per la prioritizzazione dei pazienti, la diagnosi precoce e la valutazione del rischio: il vantaggio consisterebbe nell'alleviare il carico assistenziale per la società e per il sistema sanitario".