I ricercatori della Johns Hopkins hanno svelato uno strumento computazionale progettato per prevedere il successo dell'immunoterapia nei pazienti con carcinoma mammario triplo negativo metastatico, segnando un significativo passo avanti nel trattamento personalizzato del cancro.
In una svolta destinata a rivoluzionare il trattamento personalizzato del cancro, i ricercatori del Johns Hopkins Kimmel Cancer Center e della Johns Hopkins University School of Medicine hanno sviluppato un innovativo metodo computazionale per identificare quali pazienti con carcinoma mammario triplo negativo metastatico hanno maggiori probabilità di trarre beneficio dall'immunoterapia. Questo lavoro pionieristico è stato recentemente pubblicato negli Atti della National Academy of Sciences.
L'immunoterapia sfrutta il sistema immunitario dell'organismo per combattere le cellule tumorali, ma è efficace solo per una parte dei pazienti.
"È davvero importante che identifichiamo i pazienti per i quali funzionerà, perché la tossicità di questi trattamenti è elevata", ha affermato l'autore principale Theinmozhi Arulraj, un ricercatore post-dottorato presso la Johns Hopkins, in un comunicato stampa.
La sfida di prevedere con precisione la risposta del paziente all'immunoterapia ha portato gli scienziati a esplorare biomarcatori predittivi, ovvero cellule o molecole specifiche all'interno dei tumori che segnalano i potenziali risultati del trattamento.
"Purtroppo, gli attuali biomarcatori predittivi hanno una precisione limitata nell'identificare i pazienti che trarranno beneficio dall'immunoterapia", ha affermato nel comunicato stampa l'autore senior Aleksander Popel, professore di ingegneria biomedica e oncologia presso la Johns Hopkins University School of Medicine.
Per affrontare questo problema, Popel e il suo team hanno applicato un modello matematico noto come farmacologia quantitativa dei sistemi per simulare 1,635 pazienti virtuali con carcinoma mammario triplo negativo metastatico. Queste simulazioni, che coinvolgevano il farmaco immunoterapico pembrolizumab, hanno permesso loro di testare una gamma di biomarcatori utilizzando strumenti computazionali avanzati, tra cui algoritmi di apprendimento automatico.
Mentre i biomarcatori pretrattamento derivati da biopsie tumorali iniziali o campioni di sangue hanno mostrato una capacità predittiva limitata, i biomarcatori in trattamento, ovvero le misurazioni effettuate dopo l'inizio della terapia, si sono dimostrati più efficaci. Sorprendentemente, i biomarcatori comunemente valutati, come l'espressione di PD-L1 e la presenza di linfociti, erano migliori predittori di risposta quando valutati prima dell'inizio del trattamento.
Inoltre, il team ha valutato biomarcatori del sangue meno invasivi.
"I tassi di risposta simulati sono aumentati di oltre due volte, dall'11% al 25%, il che è davvero notevole", ha aggiunto Arulraj, sottolineando il potenziale dei biomarcatori non invasivi quando i metodi di biopsia tradizionali sono impraticabili.
"I pazienti oncologici possono trarre enormi benefici da trattamenti personalizzati", ha aggiunto il coautore Cesar Santa-Maria, professore associato di oncologia presso il Johns Hopkins Kimmel Cancer Center. "I biomarcatori predittivi sono fondamentali mentre sviluppiamo strategie ottimizzate per il cancro al seno triplo negativo, in modo da evitare un trattamento eccessivo nei pazienti che dovrebbero stare bene senza immunoterapia e un trattamento insufficiente in quelli che non rispondono bene all'immunoterapia".
Questa ricerca non solo fa progredire il campo dell'oncologia computazionale, ma evidenzia anche il potenziale di metodologie simili da applicare ad altri tipi di cancro, un passo avanti verso un'assistenza oncologica più completa e personalizzata. Lavoro precedente dal team della Johns Hopkins, che includeva anche un modello computazionale per il cancro al seno in fase avanzata, sottolinea il loro ruolo pionieristico in questo ambito.
I risultati incoraggianti di questo studio aprono la strada a future sperimentazioni cliniche e alla potenziale replicazione di questi metodi per vari tipi di cancro.
In definitiva, i progressi nell'identificazione dei biomarcatori predittivi potrebbero migliorare notevolmente i risultati dei trattamenti, trasformando la prognosi di molti pazienti oncologici e offrendo una nuova speranza a chi combatte contro le malattie metastatiche.