I3LUNG: scienza integrativa, piattaforma di dati intelligente per la cura del cancro del polmone individualizzata con immunoterapia

Il progetto I3LUNG mira a raggiungere le massime prestazioni nella medicina personalizzata attraverso l'intelligenza artificiale/l'apprendimento automatico (AI/ML) modellato sui dati multimodali dei pazienti, insieme all'implementazione di un modello AI/ML in un contesto di vita reale. Una serie di strumenti ML incentrati sul paziente progettati e convalidati per il progetto, che utilizzano la nuova entità AVATAR del paziente virtuale per prevedere la progressione e l'esito. Per massimizzare il suo impatto, l'uso della metodologia IA affidabile e spiegabile integrerà le prestazioni intrinseche dell'IA con l'input dell'intuizione umana per costruire un'applicazione IA responsabile in grado di implementare pienamente decisioni terapeutiche veramente individualizzate nel NSCLC interpretabili e affidabili per i medici. L'obiettivo finale è la creazione di una piattaforma mondiale di condivisione ed elaborazione dei dati (DSEP). Il DSEP fornirà strumenti di guida per i pazienti, fornendo informazioni per generare consapevolezza sui trattamenti. Infine, dà accesso ai ricercatori e alla comunità scientifica in generale alle fonti di dati più aggiornate sul NSCLC.

Nell'ambito del progetto I3LUNG, sarà sviluppato un IPDAS ad hoc per i pazienti con NSCLC. Gli aiuti alla decisione del paziente sono strumenti che potrebbero essere utilizzati dai pazienti prima o durante una consultazione con i medici. Gli aiuti alla decisione del paziente rappresentano esplicitamente la decisione da prendere e forniscono ai pazienti informazioni di facile utilizzo su ciascuna opzione di trattamento concentrandosi su danni e benefici. Questo strumento potrebbe consentire ai pazienti di spiegare e chiarire l'elevata complessità delle informazioni fornite dall'approccio AI/ML. Questi sistemi di supporto decisionale si sono dimostrati efficaci nel responsabilizzare i pazienti, migliorare le loro conoscenze, promuovere la loro partecipazione attiva al processo decisionale clinico sui trattamenti e migliorare la soddisfazione complessiva del paziente con l'assistenza, riducendo al contempo il conflitto decisionale e il rimpianto decisionale (26-30).

Infine, nell'ambito del progetto I3LUNG si valuterà se l'utilizzo dell'IPDAS durante la consultazione clinica favorirebbe la qualità del processo decisionale condiviso così come la qualità della comunicazione medico-paziente. Oltre alla valutazione dell'impatto dell'IPDAS, si valuterà anche se l'inclusione dei modelli predittivi AI/ML nella pratica clinica costituirà un valore aggiunto nel supportare il processo decisionale clinico degli oncologi e ridurre l'affaticamento cognitivo e il conflitto decisionale.

I3LUNG adotta un approccio su due fronti per sviluppare un dispositivo medico attraverso la creazione e la convalida di modelli retrospettivi e prospettici basati sull'intelligenza artificiale per prevedere l'efficacia dell'immunoterapia per i pazienti con NSCLC utilizzando l'integrazione di dati multifonte (dati reali e dati multi-omici) attraverso una retrospettiva - creazione di una piattaforma transnazionale di dati disponibili da 2000 pazienti - e una fase di studio prospettico - multi-omica prospettica su 200 pazienti con NSCLS.

La parte retrospettiva del progetto I3LUNG comprende l'analisi di una coorte retrospettiva multicentrica di oltre 2.000 pazienti. Questa coorte verrà utilizzata per eseguire una fase preliminare di estrazione della conoscenza e per costruire un modello predittivo retrospettivo per IO (R-Model), che verrà utilizzato nella fase di studio prospettico per creare una prima versione dello strumento PDSS, un modello basato su AI strumento per fornire un accesso facile e pronto all'uso a modelli predittivi, aumentando l'appropriatezza delle cure, riducendo gli impatti negativi di trattamenti prolungati e tossici sul benessere e sui costi sanitari. Inoltre, verranno raccolte scansioni TC e PET e verrà creata una prima firma radiomica per alimentare l'R-Model.

La parte prospettica del progetto include la raccolta e l'analisi di dati multi-OMIC da una coorte prospettica multicentrica di circa 200 pazienti. Questa coorte sarà utilizzata per validare i risultati ottenuti dal modello retrospettivo attraverso la creazione di un nuovo modello (P-Model), che sarà utilizzato per creare lo strumento PDSS finale.