Trial clinici: maggiore inclusività grazie all’intelligenza artificiale?

Grazie all’AI potrebbe essere possibile modificare le soglie di inclusione relativi ad alcuni criteri di eleggibilità senza aumentare il rischio di tossicità per i partecipanti

 

Gli studi clinici sono il metodo principale tramite il quale determinare efficacia e sicurezza di nuovi farmaci e strategie terapeutiche. Teoricamente chiunque può partecipare a una sperimentazione clinica, ma devono essere sempre rispettati i criteri di inclusione ed esclusione. La fase di progettazione e la valutazione di questi criteri resta un punto complesso: infatti, nella maggior parte dei casi si utilizzano criteri di ammissibilità che limitano i partecipanti a quelli con profili a basso rischio, come persone sane o giovani, ed escludono donne incinte o i più fragili anziani e chi ha comorbidità. Un nuovo strumento basato sull’intelligenza artificiale sarebbe in grado di fare simulazioni utilizzando i dati sanitari delle cartelle cliniche elettroniche, imparando a ottimizzare i criteri di eleggibilità pur mantenendo la sicurezza del paziente.

Quando si deve procedere con l’arruolamento dei partecipanti a un trial clinico, i medici valutano la storia clinica e le condizioni di salute e, in base ai criteri specifici, decidono di approvare o meno la partecipazione. Come spiegato nello studio recentemente pubblicato su Nature, i criteri di eleggibilità eccessivamente restrittivi, e a volte scarsamente giustificati, sono una barriera che porta a un basso numero di arruolamenti negli studi clinici. È un passaggio fondamentale perché il successo di una sperimentazione può dipendere dall'arruolamento, nei tempi previsti, di un campione rappresentativo di individui che soddisfano i criteri di ammissibilità. Il National Cancer Institute degli Stati Uniti ha concluso che i criteri di ammissibilità eliminano arbitrariamente dei pazienti e dovrebbero essere semplificati e ampliati. La US Food and Drug Administration ha anche sottolineato che certe popolazioni sono solitamente escluse dagli studi clinici senza una solida giustificazione. Inoltre, a causa di queste limitazioni, non vengono testate efficacia e sicurezza nelle popolazioni che realmente useranno il farmaco dopo l'approvazione.

Escludere una certa parte di popolazione serve principalmente per rimuovere dal gruppo le persone vulnerabili o che potrebbero avere problemi di sistema immunitario, tossicità o altre problematiche. In aggiunta, questi parametri potrebbero compromettere l’uniformità del campione e fornire dati confondenti. C’è però il rovescio della medaglia: oltre a rischiare di non raggiungere il numero necessario di partecipanti per far partire il trial clinico, alcune persone che potrebbero beneficiare del trattamento sperimentale vengono escluse a priori. Semplificare e rendere meno restrittivi i parametri, con comprovato supporto dal punto di vista scientifico e clinico, potrebbe essere utile.

Dato che per progettare un nuovo trial clinico ci si basa su evidenze cliniche e informazioni note, servono dati per capire come ampliare il bacino dei possibili partecipanti. Una ricca fonte di dati medici è la cartella clinica elettronica, sempre più diffusa in tutto il mondo. Nello studio pubblicato su Nature, i ricercatori hanno descritto la creazione di uno strumento open-source di intelligenza artificiale, chiamato Trial Pathfinder, in grado di confrontare i risultati di coloro che hanno ricevuto e quelli che non hanno ricevuto un trattamento associato a un particolare studio clinico. Lo strumento ha calcolato come ogni criterio stabilito abbia influenzato la sopravvivenza complessiva dei pazienti e il numero di potenziali partecipanti.

Trial Pathfinder è stato testato su un database contenente i dati di oltre 60mila persone con carcinoma polmonare avanzato non a piccole cellule seguite in circa 280 cliniche negli USA. Più nello specifico, i ricercatori si sono focalizzati su 10 studi clinici per farmaci approvati per questa neoplasia. L’intelligenza artificiale ha confrontato i dati del trattamento con quello del gruppo di controllo e, tra le altre cose, gli scienziati sono stati anche in grado di usare una tecnica particolare per generare stime meno distorte, dato che su dati già noti non è possibile applicare la randomizzazione, parametro fondamentale quando si tratta di sperimentazione perché permette di limitare il confondimento di selezione del trattamento per i diversi pazienti.

I ricercatori hanno esaminato anche i dati relativi ai trattamenti nella stessa classe di terapia e hanno scoperto che se i criteri di ammissibilità fossero stati standardizzati per allinearsi con quelli dei trial che avevano avuto successo nel reclutamento e avevano usato valori di riferimento meno stringenti, questo avrebbe aumentato i pazienti eleggibili.

Il lavoro suggerisce che è possibile considerare di modificare le soglie di ammissibilità relative ad alcuni parametri senza aumentare il rischio di tossicità per i partecipanti, dato che hanno scoperto che l'omissione di alcuni criteri era associata a minimi cambiamenti (o addirittura nulli) nel numero di ritiri dal trattamento da questi studi a causa di eventi avversi.

Per favorire l’utilizzo di questi strumenti, bisognerebbe superare le problematiche riguardanti le limitazioni nella qualità dei dati delle cartelle cliniche elettroniche, tra cui la complessità dei dati (frutto di metodi diversi di valutazione e registrazione) e la poca accessibilità ai protocolli clinici completi (spesso protetti dal segreto aziendale). Simulazioni di questo tipo permetteranno di valutare i criteri di eleggibilità delle sperimentazioni cliniche e offriranno un modo per capire come poterli ottimizzare per migliorare il reclutamento dei pazienti.