Predicting malnutrition in colorectal cancer: a systematic review of risk prediction models

Il tumore del colon-retto, una malattia che colpisce l'intestino crasso e il retto, rimane una delle sfide sanitarie più comuni e gravi a livello mondiale. Per i pazienti che affrontano questa malattia, un compagno nascosto ma critico emerge spesso: la malnutrizione. Questa condizione non riguarda semplicemente l'essere sottopeso; è uno stato complesso in cui il corpo manca dei nutrienti essenziali necessari per riparare i tessuti, combattere le infezioni e tollerare i rigori del trattamento. Quando un paziente con tumore del colon-retto diventa malnutrito, le conseguenze sono gravi. Si trovano ad affrontare rischi più elevati di infezione dopo l'intervento chirurgico, degenze ospedaliere più lunghe e una ridotta capacità di sopportare la chemioterapia. Per questo motivo, i team medici, in particolare gli infermieri che sono spesso i primi a notare il declino di un paziente, hanno bisogno di un modo affidabile per individuare coloro che sono a rischio prima che sia troppo tardi. L'obiettivo è identificare precocemente i vulnerabili, affinché si possa intervenire prima che le riserve del corpo si esauriscano.

Per anni, i ricercatori hanno cercato di costruire strumenti matematici per prevedere quali pazienti cadranno in questo stato pericoloso. Questi strumenti, noti come modelli di predizione, sono come liste di controllo che pesano vari fattori — come l'età, la dimensione del tumore, i risultati degli esami del sangue e la forza fisica — per calcolare un punteggio di rischio. La speranza è stata che un infermiere potesse usare un tale strumento per segnalare istantaneamente un paziente che necessita di un supporto nutrizionale immediato. Tuttavia, il panorama di questi strumenti è stato confuso. Alcuni modelli prevedevano cose diverse, come i tassi di sopravvivenza o specifici marcatori ematici, piuttosto che lo stato effettivo di malnutrizione. Altri utilizzavano definizioni diverse per ciò che conta come "malnutrizione", rendendo impossibile confrontarli equamente. Per tagliare questo nodo, un team di ricercatori provenienti da università e ospedali della Cina e degli Stati Uniti si è proposto di raccogliere ogni studio disponibile su questo argomento ed esaminarli con occhio critico.

I ricercatori hanno condotto una ricerca esaustiva, consultando otto importanti database scientifici per studi pubblicati fino al 1° maggio 2026. Hanno gettato una rete ampia, cercando qualsiasi studio che costruisse un modello per prevedere la malnutrizione o il rischio nutrizionale specificamente negli adulti con tumore del colon-retto. Sono stati rigorosi su ciò che includere: i modelli dovevano concentrarsi sulla realtà clinica della malnutrizione, definita secondo standard medici riconosciuti, piuttosto che su un singolo test del sangue o su una supposizione di quanto tempo un paziente potrebbe vivere. Dopo aver setacciato migliaia di record e rimosso duplicati o articoli irrilevanti, hanno trovato tredici studi che soddisfacevano i loro criteri. Questi studi coinvolgevano un totale di migliaia di pazienti, da quelli appena diagnosticati a quelli in fase di recupero da un intervento chirurgico o sottoposti a chemioterapia.

Quando il team ha analizzato questi tredici modelli, ha constatato che, sulla carta, sembravano piuttosto promettenti. I modelli erano in grado di distinguere tra i pazienti a rischio e quelli che non lo erano con un alto grado di precisione. Nel linguaggio della statistica, la loro capacità di separare i due gruppi variava da buona a eccellente. I ricercatori hanno notato che alcuni modelli identificavano correttamente i pazienti a rischio con un AUC di 0,88, mentre altri erano ancora più precisi nei loro test iniziali. Gli strumenti utilizzavano una varietà di metodi per fare queste previsioni, dalle semplici equazioni agli algoritmi informatici più complessi. Si basavano su indizi comuni, come l'età del paziente, l'indice di massa corporea, lo stadio del tumore, i livelli di emoglobina e la capacità di svolgere le attività quotidiane. Alcuni modelli consideravano anche specifici punteggi di screening nutrizionale o fattori come il reddito e l'apporto proteico.

Tuttavia, la storia prende una piega quando i ricercatori hanno guardato più a fondo come questi modelli sono stati costruiti e testati. Nonostante gli impressionanti numeri superficiali, il team ha scoperto che tutti i tredici modelli soffrivano di significativi difetti nella progettazione e nella segnalazione. Il problema principale era che i modelli non erano stati testati su nuovi, diversi gruppi di persone. La maggior parte era stata costruita e testata sullo stesso gruppo di pazienti, un po' come uno studente che fa un esame di prova e poi sostiene immediatamente lo stesso test. Questo approccio porta spesso a una visione eccessivamente ottimistica di quanto bene funzioni lo strumento. I ricercatori hanno scoperto che gli studi spesso non spiegavano come gestivano i dati mancanti, come sceglievano quali fattori includere o se il modello fosse incline all'overfitting, un termine tecnico che indica il memorizzare i dettagli specifici dei dati di addestramento invece di apprendere le regole generali. A causa di questi problemi, il team ha concluso che i modelli non erano ancora pronti per essere utilizzati negli ospedali del mondo reale per prendere decisioni sull'assistenza al paziente.

La revisione ha inoltre evidenziato una mancanza di diversità nella ricerca. Quasi tutti gli studi sono stati condotti in Cina, con solo uno proveniente dagli Stati Uniti. Ciò significa che gli strumenti sono stati costruiti utilizzando dati di popolazioni specifiche con particolari abitudini alimentari, sistemi sanitari e background genetici. Un modello che funziona bene in una regione potrebbe non funzionare affatto in un'altra. Inoltre, le definizioni di malnutrizione variavano leggermente tra gli studi, con alcuni che usavano un set di criteri e altri un set differente. Sebbene i ricercatori siano riusciti a restringere il campo alla malnutrizione definita clinicamente, questa variazione ha comunque reso difficile combinare i risultati in un'unica immagine unificata. Il team ha notato che, sebbene l'apprendimento automatico e l'intelligenza artificiale venissero utilizzati in alcuni dei modelli più recenti, queste tecniche avanzate non risolvevano i problemi fondamentali di scarsa progettazione dello studio o mancanza di test esterni.

Il messaggio finale di questa revisione è di cauta ottimismo unito a un appello al rigore. I modelli esistenti dimostrano che è possibile prevedere il rischio nutrizionale nei pazienti con tumore del colon-retto, e i risultati iniziali sono incoraggianti. Eppure, il percorso verso uno strumento che un infermiere possa usare con fiducia al letto del paziente non è ancora completato. I ricercatori sottolineano che questi modelli dovrebbero essere visti come idee preliminari piuttosto che prodotti finiti. Prima di poter essere affidati per guidare le decisioni cliniche, devono essere testati su grandi e diversificati gruppi di pazienti in diversi ospedali e paesi. Gli studi futuri devono essere progettati con maggiore cura, assicurando che i modelli siano testati su nuove persone per dimostrare che funzionano nel mondo reale. Fino a quel momento, il miglior approccio rimane quello per i team sanitari di utilizzare il proprio giudizio professionale e i metodi di screening stabiliti, tenendo a mente questi nuovi strumenti come potenziali aiuti per il futuro piuttosto che come soluzioni immediate. Il lavoro è tutt'altro che finito, ma questa revisione sistematica ha fornito una mappa chiara di dove si trova il campo e quali passi debbano essere compiuti per trasformare questi promettenti calcoli in cure salvavita.