IA migliora diagnosi dei tumori al seno Her2 più lievi

Studio ASCO: IA riduce errori nei casi Her2-ultralow

Un nuovo studio presentato al congresso dell’American Society of Clinical Oncology (ASCO) evidenzia come l’intelligenza artificiale possa potenziare l’accuratezza diagnostica nella classificazione del tumore al seno, con particolare riferimento alle forme caratterizzate da bassa espressione del recettore Her2. Questo approccio tecnologico contribuisce a correggere le frequenti inesattezze nell’identificazione dei sottotipi Her2-low e Her2-ultralow, spesso confusi con i tumori Her2-negativi o “nulli”, compromettendo così l’accesso a trattamenti specifici.

Secondo i risultati, l’utilizzo dell’IA aiuta i patologi a distinguere meglio le sfumature nella colorazione immunoistochimica dei tessuti tumorali, elemento fondamentale per una valutazione corretta del livello di espressione di Her2. Tale precisione nella classificazione può fare la differenza nell’orientamento terapeutico, poiché consente di individuare pazienti che potrebbero beneficiare di farmaci mirati, come gli anticorpi farmaco-coniugati sviluppati per colpire le cellule che esprimono anche minime quantità del recettore Her2.

I ricercatori hanno osservato che circa il 65% dei tumori mammari precedentemente definiti Her2-negativi mostra invece livelli di espressione riconducibili a sottogruppi più specifici. I tumori Her2-low e Her2-ultralow, infatti, rappresentano una fetta significativa delle diagnosi, ma rischiano spesso di essere erroneamente etichettati come Her2 nulli. Questo errore diagnostico riduce le possibilità di trattamento, in quanto i pazienti vengono esclusi da terapie innovative potenzialmente efficaci.

Lo studio ha coinvolto 105 patologi provenienti da dieci Paesi dell’Asia e del Sud America. A ciascuno di essi sono stati sottoposti venti casi di tumore al seno per la valutazione del punteggio Her2. Le letture sono state eseguite prima e dopo il supporto di una piattaforma digitale basata su IA, sviluppata appositamente per guidare l’interpretazione delle immagini istologiche.

I risultati hanno evidenziato un miglioramento netto nella capacità di classificare correttamente i diversi sottotipi: l’accuratezza diagnostica è aumentata dal 66,7% all’88,5%. L’intelligenza artificiale ha inoltre ridotto significativamente il margine d’errore nella distinzione dei tumori Her2-ultralow, portando la percentuale di valutazioni errate dal 29,5% al 4%. Si tratta di un dato rilevante, considerato che l’identificazione corretta di questi tumori può aprire l’accesso a strategie terapeutiche più avanzate.

La piattaforma utilizzata nel progetto si basa su algoritmi di deep learning addestrati per riconoscere i diversi pattern di espressione del recettore Her2 nei campioni di tessuto. Tali algoritmi, combinati con un’interfaccia di formazione, permettono di affinare la capacità diagnostica dei professionisti, offrendo indicazioni puntuali per distinguere tra i vari gradi di espressione.

L’importanza della precisione diagnostica in questo ambito risiede nella natura eterogenea del tumore al seno, che richiede un trattamento altamente personalizzato. La corretta classificazione Her2 non solo indirizza verso l’adozione di specifici protocolli terapeutici, ma influisce anche sulla prognosi e sulle decisioni cliniche successive. Errori nella lettura immunoistochimica possono quindi limitare l’efficacia dell’intero percorso terapeutico.

Nel contesto dell’oncologia moderna, l’integrazione di strumenti basati su intelligenza artificiale si configura come una strategia sempre più rilevante per migliorare l’efficienza e l’affidabilità della diagnosi. In particolare, nei casi borderline, dove la valutazione visiva può risultare incerta anche per specialisti esperti, l’assistenza automatizzata può costituire un supporto fondamentale.

Questo studio si inserisce in un filone crescente di ricerche che esplorano l’applicazione dell’IA nella patologia digitale, ponendo l’accento non sulla sostituzione del medico, ma sul rafforzamento delle sue competenze attraverso strumenti tecnologici avanzati. La possibilità di implementare tali soluzioni su scala globale, come dimostrato dalla partecipazione di specialisti da continenti diversi, suggerisce anche un potenziale impatto significativo nei contesti sanitari a risorse limitate, dove l’accesso a centri altamente specializzati è spesso più difficoltoso.

I dati presentati durante il congresso ASCO suggeriscono che la standardizzazione diagnostica ottenibile tramite l’IA potrebbe contribuire a ridurre le disparità nei trattamenti e ad aumentare il numero di pazienti eleggibili a terapie anti-Her2. Sebbene ulteriori studi saranno necessari per confermare questi risultati su ampia scala e nella pratica clinica quotidiana, l’evidenza attuale indica un avanzamento concreto nel percorso verso una medicina oncologica sempre più personalizzata.