Avatar umani digitali Multi-omics per il cancro del polmone per l'integrazione della medicina di precisione nella pratica clinica (LANTERN)

Arruolamento dei pazienti e raccolta di dati omici L'obiettivo di questo WP è raccogliere informazioni da tutte le fonti di dati clinici e omici considerati clinicamente significativi per il supporto decisionale nel flusso di lavoro completo di diagnosi e terapia del cancro del polmone. Sarà sviluppato un sistema terminologico strutturato per la raccolta dei dati prospettici attraverso specifici Case Report Form (CRF).

I pazienti saranno arruolati dai centri di iscrizione alla ricerca dedicati e i dati ottenuti dalle cinque variabili basate sull'omica saranno raccolti e registrati in un database sicuro.

Archiviazione e interazione dei dati Omics L'obiettivo principale di questo WP è consentire la completa integrazione dei dati nei sistemi di archiviazione esistenti e nuovi e garantire un uso e una condivisione semplici ed efficaci dei dati Omics raccolti.

Tutti i dati raccolti che rappresentano i diversi domini omici considerati saranno registrati secondo un'ontologia comune condivisa. L'ontologia generale condivisa rappresenterà un sistema terminologico strutturato per l'archiviazione e l'analisi dei dati in cui tutti i diversi domini omici saranno registrati in una specifica eCRF, garantendo la coerenza per tutte le variabili dei dati raccolti. Infine, i dati relativi all'omica raccolti saranno sottoposti ad analisi radiomica e verranno quindi estratte le caratteristiche radiomiche.

Modellazione dei dati Omics, creazione e convalida di avatar umani digitali (DHA).

Questo WP è focalizzato sullo sviluppo di modelli predittivi accurati (creando Digital Human Avatars (DHA)) e sulla loro validazione. Lo scopo di questo WP è identificare biomarcatori primari efficaci, armonizzarli attraverso modelli statistici compatti e successivamente creare DHA specifici per paziente che saranno unici per ogni paziente. Abbiamo in programma di integrare tutti i suddetti dati omici in modelli predittivi che rappresenteranno la base per un sistema di supporto decisionale integrato per il cancro del polmone completamente personalizzato e innovativo. Questo WP è suddiviso in tre fasi:

Fase 1: identificazione e selezione delle caratteristiche Omics Fase 2: sviluppo del modello predittivo e creazione del DHA Fase 3: modello predittivo e convalida del DHA

Identificazione e selezione delle caratteristiche di Omics:

Nella prima fase, un'analisi esplorativa su tutti i set di dati raccolti da una stima di ≈ 240 pazienti con NSCLC consentirà l'avvio del processo di identificazione dei biomarcatori e limiterà la quantità di informazioni espresse verso un pool più selezionato di potenziali biomarcatori. Questa prima fase impiegherà solide tecniche di analisi dei dati al fine di identificare le variabili rilevanti in un contesto univariato, tenendo conto delle distribuzioni statistiche individuali, delle correlazioni rilevanti per le caratteristiche e delle statistiche descrittive generali.

Sviluppo di modelli predittivi e creazione di DHA:

L'obiettivo della seconda fase è quello di creare più modelli multivariati distinti ma modulari che saranno addestrati attraverso tecniche avanzate di ML e AI, segmentati in specifiche aree modulari di interesse e la successiva creazione del DHA. Saranno sviluppati diversi modelli supervisionati tra cui regressione logistica, albero decisionale, macchina vettoriale di supporto, foresta casuale, classificatore XGBoost e reti neurali artificiali. La convalida incrociata k-fold verrà utilizzata per la messa a punto degli iperparametri e verrà eseguito il confronto della significatività statistica delle prestazioni dei modelli ML. Questo sarà fatto per valutare le prestazioni predittive basate su accuratezza (numero di soggetti correttamente classificati sul numero totale di pazienti) e precisione (vero positivo su test totale positivo, richiamo (sensibilità), punteggio F1 (2*precisione*richiamo/(precisione +ricordiamo)) e AUC-ROC.

La creazione di DHA comporterà l'integrazione di algoritmi specifici nella pipeline di estrazione dei dati per ripulire e ristrutturare il flusso di dati, applicando tecnologie di text mining e di elaborazione del linguaggio naturale ai testi non strutturati. I risultati di questa pre-elaborazione verranno quindi ricodificati attraverso un'ontologia specificatamente assegnata per rivelare i duplicati. Questo porta alla creazione di data Mart che verranno aggiornati continuamente e automaticamente con nuovi dati. Sulla base dei dati disponibili già elaborati, l'algoritmo sviluppato e la relativa infrastruttura sottostante verranno utilizzati per classificare gli input di dati dei pazienti appena aggiornati da parte dei medici che utilizzano l'interfaccia. I dati risultanti presentati attraverso l'interfaccia dinamica consentono l'esplorazione approfondita dei dati dei pazienti precedentemente aggiunti e già presenti nel database, per dedurre la migliore linea d'azione sulla base dei dati storici e dell'esperienza del medico. Ciò porterà a un flusso di lavoro di esplorazione più generalizzato che fungerà da generatore di ipotesi per l'utente, attraverso il clustering delle informazioni in base a criteri personalizzati, generando così un'analisi esplorativa dei dati disponibili.

Gli investigatori stimano che circa 300 casi di NSCLC con dati completi saranno sufficienti per avviare questo processo. Sia la facilità d'uso che la spiegabilità del modello serviranno come standard primario delle strategie di sviluppo del modello. Valori facilmente interpretabili come i valori SHAP (SHapley Additive exPlanations) saranno allegati a ciascun modello al fine di evitare approcci black-box che potrebbero rendere i risultati del modello difficili da spiegare ai pazienti durante le loro interazioni con i medici.

Modello predittivo e convalida del DHA: sia il modello sviluppato che il DHA completo saranno convalidati al fine di testarne la robustezza, la trasferibilità e la generalizzabilità. Saranno impiegate rispettivamente due strategie di validazione consecutive: le tecniche di validazione interna ed esterna. Stimiamo un numero totale di circa 420 casi di NSCLC per avviare il processo di convalida. Questo processo includerà sia la convalida interna che quella esterna.