Random Survival Forest quantifies intra-stage heterogeneity of recurrence-free survival after curative gastrectomy: a single-center cohort study

Quando un chirurgo rimuove un tumore allo stomaco, il referto del patologo è la prima mappa del futuro. Questo referto assegna uno stadio al cancro, un'etichetta basata sulla profondità con cui il tumore è cresciuto e se ha raggiunto i linfonodi vicini. Per decenni, questo sistema è stato il modo standard con cui i medici ipotizzano la probabilità che il cancro ritorni. Raggruppa i pazienti insieme, assumendo che tutti con la stessa etichetta affrontino gli stessi rischi. Ma la biologia è raramente così ordinata. Due persone possono portare esattamente la stessa etichetta di stadio, eppure avere esiti molto diversi, perché i dettagli invisibili della loro specifica malattia variano in modi che le etichette standard non possono vedere. La domanda per la medicina moderna è se sia possibile guardare oltre le categorie ampie per vedere i rischi unici di ogni individuo, permettendo una cura che sia su misura per la persona piuttosto che per il gruppo.

Un team di ricercatori di un singolo centro medico si è posto l'obiettivo di rispondere a questa domanda per i pazienti che si erano sottoposti con successo all'intervento chirurgico per la rimozione del tumore allo stomaco. Si sono concentrati su un gruppo specifico di pazienti i cui tumori si erano diffusi ai linfonodi vicini ma non avevano raggiunto organi distanti, un intervallo di gravità noto come stadi IIA fino a IIIC. Mentre il sistema standard tratta tutti in questi stadi come aventi un profilo di rischio simile, i ricercatori sospettavano che differenze nascoste all'interno di questi gruppi fossero significative. Per trovarle, si sono rivolti a un metodo informatico chiamato Random Survival Forest. Questa non è una foresta di alberi, ma uno strumento digitale che costruisce molti diversi percorsi decisionali per trovare schemi in dati complessi, proprio come chiedere a cento diversi esperti di esprimere un parere su un singolo caso e poi fare la media delle loro risposte.

I ricercatori hanno raccolto le cartelle cliniche di 486 pazienti a cui è stato rimosso il cancro tra il 2008 e il 2020. Hanno fornito al computer dieci diversi pezzi di informazione su ogni paziente, inclusi dettagli sul tumore e sulla salute del paziente, per vedere se il modello potesse prevedere chi sarebbe rimasto libero dal cancro per tre e cinque anni. Hanno prima insegnato al modello utilizzando i dati degli anni precedenti e poi lo hanno testato su pazienti degli anni successivi per garantire che potesse gestire nuovi casi. I risultati hanno mostrato che il modello informatico era più bravo a prevedere il futuro rispetto alle sole etichette di stadio standard. Mentre il sistema tradizionale forniva una stima approssimativa, il nuovo modello riusciva a distinguere tra i pazienti che avevano molte probabilità di rimanere liberi dal cancro e quelli che probabilmente avrebbero visto il ritorno della malattia, anche quando condividevano lo stesso stadio ufficiale.

La scoperta più sorprendente è stata come il rischio variasse all'interno degli stadi intermedi della malattia. Per i pazienti negli stadi da II a IIIB, il modello ha rivelato un ampio divario nei risultati. Alcuni pazienti in questi gruppi avevano una probabilità molto bassa di recidiva, mentre altri avevano una probabilità molto più alta, con una differenza di dieci o quindici punti percentuali tra i gruppi a rischio più basso e quello a rischio più alto. Ciò significa che due persone con la stessa etichetta di stadio potrebbero avere futuri molto diversi, un fatto che il vecchio sistema ignorava completamente. Tuttavia, il modello ha scoperto che per lo stadio più grave, lo stadio IIIC, il rischio era uniformemente alto. Tutti in questo gruppo affrontavano un pesante carico di recidiva, e il modello informatico ha confermato che l'etichetta di stadio standard stava già facendo un buon lavoro nell'identificarli come ad alto rischio. Non c'era alcun gruppo a basso rischio nascosto all'interno di questa categoria.

Questo lavoro suggerisce che, per il tumore allo stomaco negli stadi intermedi, il sistema attuale è troppo approssimativo. Tratta un gruppo diversificato di pazienti come se fossero tutti uguali, portando potenzialmente a una preoccupazione inutile o a un monitoraggio insufficiente. Il nuovo approccio offre un modo per classificare questi pazienti in modo più fine, identificando chi ha bisogno di un controllo più stretto e chi può essere gestito con cure standard. I ricercatori osservano che le loro scoperte si basano su un singolo centro e dovranno essere verificate da altri ospedali per confermare che siano valide ovunque. Nel frattempo, questo studio fornisce un chiaro parametro di riferimento per come la tecnologia possa un giorno aiutare i medici ad andare oltre le etichette ampie per comprendere la realtà specifica della malattia di ogni paziente.