Due persone con la stessa diagnosi oncologica e sottoposte allo stesso intervento possono avere evoluzioni diverse. Per comprendere questa variabilità, la ricerca sta analizzando non solo le caratteristiche delle cellule malate, ma anche il rapporto tra il tumore, il sistema immunitario e lo stato generale dell’organismo. Uno studio sul tumore del polmone non a piccole cellule ha valutato se alcuni comuni parametri ematici possano aiutare a riconoscere, prima dell’operazione, un profilo associato a una prognosi più sfavorevole.
I ricercatori hanno esaminato retrospettivamente i dati di 844 pazienti sottoposti a chirurgia. L’attenzione si è concentrata su due elementi osservabili nel tessuto tumorale: la proteina PD-L1, che può contribuire a ridurre l’attacco del sistema immunitario, e i linfociti T CD8, cellule specializzate nel riconoscere e distruggere quelle anomale. Dalla combinazione dei due fattori sono emersi quattro profili biologici.
Il profilo associato a una sopravvivenza più bassa
La situazione considerata più delicata riguarda i tumori che esprimono PD-L1 e presentano una scarsa presenza di linfociti infiltranti. In questo scenario, le cellule tumorali sembrano creare una barriera mentre le difese immunitarie rimangono ai margini del tessuto malato. Il profilo è risultato associato a una sopravvivenza inferiore dopo l’intervento, soprattutto nei casi in stadio più avanzato e negli adenocarcinomi.
Oggi, per individuare queste caratteristiche, è necessario esaminare il tessuto rimosso durante l’intervento o ottenuto con una biopsia. Il gruppo di ricerca ha quindi sviluppato un modello di apprendimento automatico per verificare se gli esami del sangue preoperatori potessero offrire indicazioni indirette. L’algoritmo non ha individuato un singolo valore decisivo, ma una combinazione di dati legati a infiammazione sistemica, coagulazione, funzionalità epatica e condizioni nutrizionali.
Tra gli indicatori considerati figurano albumina, fibrinogeno, emoglobina e piastrine. L’ipotesi è che un tumore capace di ostacolare la risposta immunitaria locale possa lasciare una traccia nell’equilibrio generale dell’organismo. Tuttavia, questi parametri rappresentano una correlazione statistica utilizzata dal software e non dimostrano un rapporto di causa ed effetto con il comportamento della malattia.
Perché servono ulteriori verifiche
I risultati non possono essere tradotti, oggi, in un test clinico pronto per gli ospedali. Lo studio è retrospettivo, basato su dati raccolti in una singola area geografica e caratterizzato da informazioni incomplete sul lungo periodo: per oltre la metà dei pazienti inizialmente considerati non erano disponibili dati di sopravvivenza sufficienti. Questo limite riduce la solidità delle stime prognostiche.
Anche il rendimento del modello richiede prudenza. Il programma è risultato preciso nell’escludere i pazienti senza il profilo ad alto rischio, ma ha mostrato una sensibilità moderata: nel gruppo di verifica esterno ha riconosciuto correttamente poco più della metà dei casi realmente critici. La ricerca, quindi, indica una possibile direzione per la medicina personalizzata, ma non modifica gli esami o le terapie attualmente disponibili.
Capire perché alcuni tumori riescano a tenere lontane le cellule immunitarie potrebbe contribuire in futuro allo sviluppo di trattamenti mirati. Per ora, il software resta un prototipo sperimentale e i risultati devono essere confermati da studi più ampi e prospettici. Il lavoro è stato pubblicato sul Chinese Medical Journal con il titolo Predicting PD-L1+ CD8− status in non-small cell lung cancer tissue from clinical indicators using machine learning e DOI 10.1097/cm9.0000000000004257.