Notizie
Carcinoma ovarico avanzato: ruolo prognostico di NACT-IDS e PDS
Qiuxian Xie e Min Cui hanno svolto una meta-analisi con la finalità di esplorare le implicazioni prognostiche della chemioterapia neoadiuvante […]
Uso dell’AI nella prognosi del cancro mammario
Il tumore della mammella (BC) rappresenta la principale causa di morte per cancro nelle donne e richiede modelli di previsione solidi per una diagnosi precoce e un trattamento personalizzato.
L’intelligenza artificiale (AI) e gli algoritmi di apprendimento automatico (ML) offrono soluzioni promettenti per la prognosi automatizzata e la stima di sopravvivenza e la loro valutazione approfondita rappresenta l’obiettivo della revisione sistematica e della meta-analisi condotta da Zohreh Javanmard e colleghi.
Sono stati esplorati con attenzione tre database online (Web of Science, PubMed e Scopus) alla ricerca di lavori pertinenti pubblicati tra gennaio 2016 e agosto 2023) utilizzando termini chiave (“Cancro al seno”, “Previsione della sopravvivenza” e “Apprendimento automatico”) e i loro sinonimi.
Nello specifico, il team ha incluso articoli originali che hanno applicato algoritmi ML per la previsione della sopravvivenza al BC utilizzando dati clinici. La qualità degli studi è stata valutata tramite lo strumento di valutazione specifico Qiao. Alla fine, gli esperti hanno selezionato 32 documenti che hanno soddisfatto i criteri di inclusione.
È stato rilevato che i metodi ML analizzati hanno raggiunto una precisione di validazione media dell’89,73%. I modelli ibridi, che combinano tecniche ML tradizionali e moderne, sono stati presi in considerazione principalmente per prevedere i tassi di sopravvivenza (40,62%).
L’apprendimento supervisionato è il paradigma ML dominante (75%). Le metodologie ML più comuni includono pre-elaborazione, estrazione di caratteristiche, riduzione della dimensionalità e classificazione. L’apprendimento profondo (DL), in particolare le reti neurali convoluzionali (CNN), è apparso come l’algoritmo moderno preferito all’interno di queste metodologie.
In particolare, l’81,25% degli studi si è basato sulla validazione interna, utilizzando principalmente la convalida incrociata K-fold e le strategie di divisione training/test.
Gli Autori concludono che i risultati sottolineano il significativo potenziale degli algoritmi basati sull’IA nel migliorare l’accuratezza delle previsioni di sopravvivenza al cancro mammario. Tuttavia, per garantire la robustezza e la generalizzabilità di questi modelli predittivi, la ricerca futura dovrebbe sottolineare l’importanza di una rigorosa validazione esterna. Tali sforzi non solo convalideranno l’efficacia di questi modelli in diverse popolazioni, ma apriranno la strada anche alla loro integrazione nella pratica clinica contribuendo, in ultima analisi, alla cura personalizzata del paziente e al miglioramento dei risultati di sopravvivenza.
Front Oncol. 2025
https://www.frontiersin.org/journals/oncology/articles/10.3389/fonc.2024.1420328/full
