Sclerosi multipla, nuova classificazione con l’intelligenza artificiale. Lo studio

Uno studio pubblicato su Nature Medicine ridefinisce la classificazione della sclerosi multipla attraverso un modello di machine learning applicato a dati longitudinali di oltre 8.000 pazienti inclusi in trial clinici. L’analisi mette in discussione l’attuale suddivisione in forme recidivanti-remittenti, secondariamente progressive e primariamente progressive, evidenziandone i limiti nella capacità di descrivere l’evoluzione della malattia e di prevedere risposta terapeutica e prognosi.

Il modello, sviluppato su circa 118.000 visite cliniche e oltre 35.000 risonanze magnetiche, identifica quattro dimensioni fondamentali: disabilità fisica, danno cerebrale, ricadute cliniche e attività radiologica asintomatica. A partire da queste dimensioni vengono definiti otto stati di malattia, organizzati in quattro macro-stati clinici: fase iniziale o lieve in evoluzione (EME), attività radiologica subclinica, ricaduta e fase avanzata.

I risultati mostrano che la malattia evolve lungo un gradiente continuo di gravità. I pazienti nelle fasi iniziali presentano bassa disabilità e danno cerebrale limitato e tendono a rimanere stabili, ma possono transitare verso stati attivi, caratterizzati da ricadute cliniche o attività infiammatoria rilevabile solo alla risonanza magnetica. La progressione verso le forme avanzate avviene prevalentemente attraverso questi stati infiammatori. Il modello evidenzia che non si osservano transizioni dirette dalle fasi iniziali a quelle avanzate senza passare per stati di attività di malattia.

L’attività radiologica asintomatica emerge come elemento rilevante nella progressione: il lavoro segnala un rischio di circa l’11% di evoluzione verso stati avanzati attraverso questo percorso. Anche le ricadute cliniche rappresentano un fattore di rischio, con una probabilità stimata del 18% di transizione verso stati avanzati. Una volta raggiunti questi ultimi, caratterizzati da maggiore disabilità, atrofia cerebrale e ridotta infiammazione focale, la probabilità di ritorno a stati precedenti risulta molto bassa.

Lo studio analizza anche la progressione indipendente dalle ricadute (PIRA), evidenziando come possa essere presente già nelle fasi iniziali ma aumenti nelle fasi avanzate, dove rappresenta una componente rilevante della disabilità accumulata.

Il modello è stato validato su dataset indipendenti, inclusi un database di studi clinici e una coorte real-world per un totale di oltre 4.000 pazienti, confermando la riproducibilità delle quattro dimensioni e del percorso evolutivo della malattia. La capacità predittiva del modello nel stimare la progressione individuale verso stati avanzati è risultata elevata (C-score 0,82).

L’analisi suggerisce che le caratteristiche cliniche e radiologiche della sclerosi multipla non si distribuiscono in categorie distinte, ma lungo uno spettro continuo, in cui le componenti infiammatorie e degenerative coesistono fin dalle fasi iniziali. In questo contesto, il danno cerebrale cumulativo e l’attività di malattia, anche subclinica, risultano determinanti per l’evoluzione.

Per quanto riguarda l’impatto terapeutico, i dati mostrano che i trattamenti modificanti la malattia sono associati a una riduzione del rischio di transizione verso stati attivi e, indirettamente, verso le fasi avanzate, favorendo il mantenimento dei pazienti nelle fasi iniziali.

Gli autori sottolineano che il modello, pur basato su un ampio dataset, deriva in gran parte da studi clinici con criteri di inclusione selettivi. Questo limite è stato parzialmente mitigato dalla validazione su dati real-world, che ha confermato i principali risultati, pur con alcune differenze legate alla frequenza delle valutazioni e alle modalità di raccolta dei dati.

Nel complesso, lo studio propone una classificazione data-driven della sclerosi multipla, basata su dimensioni cliniche e radiologiche integrate e su modelli probabilistici di transizione tra stati di malattia, con potenziali implicazioni per la ricerca clinica e la gestione dei pazienti.

AI-driven reclassification of multiple sclerosis progression | Nature Medicine