Abstract
I pazienti con metastasi ossee rappresentano un problema crescente per il nostro sistema sanitario. L’osso è il terzo sito più colpito per localizzazione metastatica, dopo polmone e fegato, con cancro al seno e alla prostata che rappresentano quasi il 70% dei tumori primari. L'intelligenza artificiale, e in particolare il machine learning e il deep learning (DL) sono strumenti promettenti per l'elaborazione di dati che possano supportare decisioni cliniche complesse come quelle riguardanti i pazienti affetti da metastasi ossee. La migliore prognosi offerta dalle attuali terapie e una più lunga aspettativa di vita fanno sì che la gestione del tumore osseo metastatico sia un problema in continua crescita. In questo campo il rischio di undertreatment o overtreatment è molto comune provocando sia un aumento della spesa per il sistema sanitario che un possibile disagio ai pazienti. Diversi medici specialisti come oncologi, chirurghi ortopedici, radioterapisti, radiologi interventisti, medici palliativi sono coinvolti nella scelta del trattamento. Il dolore e il rischio di frattura del segmento osseo coinvolto sono tra i problemi principali del paziente affetto da metastasi ossee. La sua qualità di vita è fortemente influenzata dalle fratture patologiche e non solo dagli effetti collaterali dei farmaci antitumorali. La variabilità con cui si può presentare il tumore e il parere dei diversi professionisti coinvolti fanno sì che lo sviluppo di un sistema di supporto decisionale (DSS) per prevedere il rischio di frattura in pazienti con metastasi ossee possa essere uno strumento efficace nella scelta del trattamento più idoneo evitando undertreatment o overtreatment. L’obiettivo principale è sviluppare un DSS per la previsione del rischio di frattura che riesca a tenere conto sia dei dati clinici dei pazienti che delle immagini diagnostiche (esempio TAC, RMN, Rx). Lo sviluppo di un DSS con tali caratteristiche presenta sfide specifiche e molto complesse che sono oggetto del progetto. Un ulteriore obiettivo è quello di sviluppare un sistema per la previsione della sopravvivenza del paziente che tenga conto di dati clinici e radiologici ritenuti di rilevanza particolare. Risultati attesi: identificare e risolvere le criticità per lo sviluppo un nuovo DSS basato su DL che sia affidabile e facile da usare per aiutare i medici nel loro processo decisionale riguardo i pazienti affetti da metastasi ossee. Questo DSS permetterà una valutazione del rischio di frattura e della sopravvivenza costituendo un valido supporto per rendere le decisioni dei diversi medici più personalizzate e centrate sul paziente. In questo modo si avrà una ricaduta positiva sia sulla qualità della vita dei pazienti sia sui costi per il sistema sanitario.
Risultati raggiunti
Il progetto è stato finalizzato allo sviluppo di un Decision Support System (DSS) per supportare il processo decisionale clinico nei pazienti affetti da metastasi ossee, attraverso la previsione di due aspetti fondamentali per la scelta terapeutica: la sopravvivenza a un anno e il rischio di frattura patologica. Nella fase iniziale è stato costruito un dataset retrospettivo basato sui dati dei pazienti trattati presso l'IRCCS Istituto Ortopedico Rizzoli (IOR) nel periodo 2010–2022. Il dataset integra informazioni cliniche e immagini radiologiche (Rx, TC e RMN), consentendo la creazione di un database completo per lo sviluppo di modelli predittivi. Successivamente è stato sviluppato e addestrato un modello generativo utilizzando le immagini radiologiche disponibili. Tale modello è in grado di generare una quantità virtualmente illimitata di dati sintetici, rappresentando una risorsa strategica per futuri sviluppi di algoritmi di intelligenza artificiale. Per la previsione della sopravvivenza a un anno sono stati sviluppati e valutati modelli innovativi di Machine Learning. L'obiettivo è stato quello di supportare i chirurghi nella scelta del trattamento più appropriato, riducendo il rischio di undertreatment o overtreatment dei pazienti. Parallelamente, sono stati adattati e sviluppati modelli avanzati di Machine Learning e Deep Learning per la previsione del rischio di frattura nelle metastasi ossee, confrontandone le prestazioni con lo score clinico di Mirels e validandone i risultati attraverso appropriate metodologie statistiche. Principali risultati raggiunti • Creazione di un dataset clinico-radiologico strutturato, comprendente dati raccolti su oltre dieci anni di attività clinica. • Sviluppo di un modello generativo per immagini mediche, capace di produrre dati sintetici utilizzabili per l'addestramento e il miglioramento di futuri algoritmi predittivi. • Identificazione di modelli innovativi per la previsione della sopravvivenza a un anno, che hanno mostrato prestazioni promettenti e una buona interpretabilità clinica. • Individuazione dei principali fattori prognostici, tra cui: o bassi livelli di Proteina C Reattiva (CRP), associati a un minor rischio di mortalità; o tumori primitivi a prognosi favorevole (soprattutto mammella e prostata), identificati come fattori protettivi; o tumori primitivi a prognosi sfavorevole (come polmone e stomaco), associati a un aumento del rischio di mortalità; o emoglobina e fosfatasi alcalina come ulteriori importanti indicatori prognostici. • Applicazione di tecniche di intelligenza artificiale Explainable che hanno consentito di interpretare in modo trasparente le decisioni dei modelli, elemento fondamentale per una futura adozione clinica. • Sviluppo e valutazione di modelli Deep Learning per la previsione del rischio di frattura, che hanno fornito risultati incoraggianti sebbene ancora non definitivi a causa delle criticità legate alla qualità e all'eterogeneità delle immagini disponibili. • Definizione di linee guida e raccomandazioni per future raccolte dati, evidenziando l'importanza di procedure di acquisizione radiologica più standardizzate e di studi prospettici per permettere la messa a punto di modelli Deep Learning affidabili per la previsione del rischio di frattura. Le principali difficoltà sono state legate alla natura retrospettiva dello studio. Le immagini radiologiche presentavano una significativa eterogeneità in termini di risoluzione, qualità e modalità di acquisizione. Inoltre, molti pazienti sono stati sottoposti a interventi chirurgici preventivi prima dell'eventuale comparsa della frattura, limitando la disponibilità di dati sulla naturale evoluzione delle lesioni. Un'ulteriore criticità è stata rappresentata dallo sbilanciamento delle classi nel dataset, con un numero relativamente ridotto di pazienti che avevano sviluppato una frattura prima dell'intervento. Nonostante tali limitazioni, le tecniche utilizzate hanno consentito di ottenere risultati che costituiscono una solida base di partenza per sviluppi futuri. Il progetto ha raggiunto con successo gli obiettivi principali previsti, creando le basi metodologiche e tecnologiche per l'integrazione futura di modelli predittivi avanzati all'interno di un DSS orientato alla pratica clinica. I risultati ottenuti nella previsione della sopravvivenza a un anno risultano particolarmente promettenti e sono prossimi alla pubblicazione scientifica in rivista internazionale ad alto impatto scientifico. Per quanto riguarda la previsione del rischio di frattura, il progetto ha consentito di sviluppare un'importante infrastruttura di dati, modelli e competenze che potrà essere ulteriormente potenziata mediante studi prospettici e raccolte dati più standardizzate. È stata pubblicata su una rivista scientifica internazionale sottoposta a revisione (peer review) una review sullo stato dell'arte delle metodologie per la predizione del rischio di frattura patologica nei pazienti affetti da metastasi ossee (Altsitzioglou P. et al., Curr Oncol, 2025, 32, 309). Durante il progetto sono state realizzate illustrazioni anatomiche relative alle metastasi ossee, destinate a pubblicazioni scientifiche e presentazioni congressuali, grazie al contratto finanziato nell'ambito del progetto. La partecipazione del Principal Investigator (Davide Maria Donati) al Birmingham Orthopaedic Oncology Meeting (BOOM) 2026 – The Consensus, tenutosi in Sudafrica, ha consentito di aggiornare e approfondire le conoscenze relative ai pazienti affetti da metastasi ossee.Tale partecipazione si è rivelata particolarmente utile per acquisire informazioni rilevanti sulle strategie attualmente adottate dalla comunità scientifica per la valutazione del rischio di frattura e della sopravvivenza nei pazienti con metastasi ossee, contribuendo così al progresso delle attività di ricerca del progettoDettagli del progetto
Responsabile scientifico: Davide Maria Donati
Strutture Unibo coinvolte:
Dipartimento di Scienze Biomediche e Neuromotorie
Coordinatore:
ALMA MATER STUDIORUM - Università di Bologna(Italy)
Contributo totale di progetto: Euro (EUR) 194.861,00
Contributo totale Unibo: Euro (EUR) 102.000,00
Durata del progetto in mesi: 24
Data di inizio
16/10/2023
Data di fine:
28/02/2026
