Machine learning-based survival modeling reveals distinct surgical benefits across molecular subtypes in young women with de novo metastatic breast cancer

Il tumore al seno non è una singola malattia, ma una collezione di diverse condizioni, ognuna guidata dalla propria biologia unica. Quando la malattia si diffonde in altre parti del corpo prima ancora di essere individuata nel seno, viene chiamata tumore al seno metastatico de novo. Questa fase è seria e attualmente incurabile, il che significa che l'obiettivo del trattamento è gestire la malattia, far sentire i pazienti il meglio possibile ed estendere la loro vita per tutto il tempo possibile grazie alla medicina. I medici discutono da tempo se rimuovere il tumore originale nel seno aiuti i pazienti che hanno già il cancro in altre parti del corpo. Alcuni studi suggeriscono che la chirurgia possa aiutare, mentre altri mostrano che non faccia alcuna differenza. La sfida è che ogni paziente è diverso; il suo tumore potrebbe essere alimentato da diversi ormoni, essersi diffuso in organi diversi e rispondere ai farmaci in modi unici. A causa di questa varietà, una regola unica per tutti non funziona. I ricercatori hanno bisogno di un modo per esaminare tutti i complessi dettagli del caso di un paziente contemporaneamente, per vedere quali trattamenti aiutino effettivamente quali persone.

Un team di ricercatori ha deciso di risolvere questo enigma utilizzando strumenti avanzati di apprendimento informatico per analizzare una vasta collezione di cartelle cliniche. Hanno esaminato i dati di 2.605 donne sotto i 50 anni che sono state diagnosticate con tumore al seno metastatico tra il 2010 e il 2019. Questi record provenivano da un grande database nazionale che monitora i casi di cancro in tutti gli Stati Uniti. Gli scienziati volevano costruire un modello informatico in grado di prevedere quanto vivrebbe una paziente in base al suo specifico tipo di tumore, a dove il cancro si era diffuso e quali trattamenti avesse ricevuto. Hanno testato otto diversi tipi di algoritmi informatici, che sono programmi matematici progettati per trovare schemi nei dati. Alcuni di questi programmi funzionano costruendo molti alberi decisionali, mentre altri utilizzano metodi differenti per pesare l'importanza di varie variabili. L'obiettivo era trovare il modo più accurato per prevedere la sopravvivenza e, cosa ancora più importante, per capire esattamente quali fattori fossero più rilevanti.

I modelli informatici hanno rivelato che il tipo di cancro e l'entità della sua diffusione sono i predittori più potenti della sopravvivenza di una paziente. Nello specifico, la composizione biologica del tumore e quanto corpo avesse raggiunto erano più importanti di quasi ogni altra cosa. Tuttavia, il dato più sorprendente riguardava la chirurgia. L'analisi ha mostrato che rimuovere il tumore primario nel seno aiutava effettivamente le pazienti a vivere più a lungo, ma solo per certi gruppi. Quando i ricercatori hanno corretto le altre differenze tra i pazienti per garantire un confronto equo, coloro che avevano subito l'intervento chirurgico vivevano significativamente più a lungo di coloro che non lo avevano fatto. In media, le pazienti sottoposte a chirurgia vivevano circa 63 o 65 mesi, mentre quelle che non avevano subito l'intervento vivevano circa 37 mesi. Questo vantaggio di sopravvivenza era chiaro e costante nei dati, sebbene variasse per sottotipo.

Tuttavia, la storia non è così semplice come "la chirurgia è sempre migliore". I modelli informatici hanno mostito che il beneficio della chirurgia dipendeva fortemente dal sottotipo molecolare specifico del cancro. Per le donne i cui tumori erano guidati sia dagli ormoni che da una proteina chiamata HER2, il trattamento chirurgico conferiva un sostanziale beneficio di sopravvivenza. Allo stesso modo, anche le donne con tumori guidati solo da HER2 vedevano un chiaro beneficio. Tuttavia, per le donne con tumori guidati solo dagli ormoni, la chirurgia non mostrava un vantaggio significativo nella sopravvivenza rispetto al trattamento non chirurgico. Ciò suggerisce che per alcuni tipi di cancro, la risposta dell'organismo alle terapie farmacologiche è il fattore decisivo, e la chirurgia aggiunge poco valore extra. Per altri, rimuovere il tumore sembra lavorare in sinergia con altri trattamenti per tenere sotto controllo la malattia.

I ricercatori hanno anche esaminato dove il cancro si fosse diffuso per vedere se questo cambiasse l'esito della chirurgia. Hanno scoperto che le donne il cui cancro si era diffuso sia alle ossa che al fegato erano quelle che beneficiavano maggiormente di un tipo specifico di chirurgia, chiamata chirurgia conservativa del seno, in cui viene rimossa solo una parte del seno. In questo gruppo specifico, rimuovere solo una parte del seno portava a risultati di sopravvivenza migliori rispetto alla rimozione dell'intero seno. Questo è stato un dettaglio sorprendente, poiché implica che per alcune pazienti, un'operazione locale meno aggressiva potrebbe essere la scelta più intelligente. Per altri schemi di diffusione, come il cancro al cervello o ai polmoni, il tipo di chirurgia non faceva una differenza significativa nella sopravvivenza.

Per assicurarsi che queste scoperte fossero reali e non solo il risultato del modo in cui i dati sono stati raccolti, i ricercatori hanno utilizzato un metodo statistico per bilanciare i gruppi messi a confronto. Hanno tenuto conto del fatto che i medici potrebbero aver scelto di operare pazienti più sani o con malattie meno gravi. Anche dopo questo attento lavoro di bilanciamento, i risultati si sono confermati: la chirurgia aiuta, ma solo per i pazienti giusti. Lo studio ha inoltre evidenziato che fattori come l'etnia della paziente, lo stato civile e il grado del tumore giocavano un ruolo nella loro prognosi, ma il tipo di cancro e la decisione di operare erano i motori più forti della sopravvivenza.

Questo lavoro non dimostra che la chirurgia sia una cura, né suggerisce che ogni giovane donna con tumore al seno metastatico debba sottoporsi a un intervento. Al contrario, fornisce una mappa chiara per permettere ai medici e alle pazienti di navigare in una decisione difficile. Dimostra che la vecchia idea di un approccio unico per tutti è superata. Utilizzando modelli informatici per esaminare la specifica biologia di un tumore e il modello della sua diffusione, i team medici possono ora vedere più chiaramente chi beneficerà della rimozione del tumore primario e chi no. Lo studio conclude che il futuro del trattamento di questa malattia risiede nella personalizzazione, utilizzando i dati per abbinare il trattamento giusto al paziente giusto, garantendo che ogni intervento medico offra la migliore possibilità possibile di una vita più lunga.