Sarcomi dei tessuti molli, nuovo modello migliora la stima del rischio di metastasi

Un nuovo modello prognostico basato sull'apprendimento bayesiano sequenziale potrebbe migliorare la stima del rischio di metastasi e della sopravvivenza nei pazienti con sarcomi dei tessuti molli degli arti. È quanto emerge dallo studio Bayesian sequential learning for prognostication in extremity soft tissue sarcoma (BayeSarc): a retrospective, multicentre cohort study, pubblicato su The Lancet Oncology e coordinato dalla Fondazione IRCCS Istituto Nazionale dei Tumori di Milano nell'ambito di una collaborazione multicentrica internazionale.

I sarcomi dei tessuti molli sono tumori rari, eterogenei e complessi, nei quali una stima accurata del rischio individuale di recidiva, metastasi e sopravvivenza rappresenta un elemento fondamentale per guidare le decisioni terapeutiche, il follow-up e il counseling dei pazienti. Negli ultimi anni sono stati sviluppati diversi modelli prognostici, ma la maggior parte rimane statica e non tiene conto dell'evoluzione delle conoscenze cliniche e dei nuovi dati disponibili.

BayeSarc rappresenta l'evoluzione del modello prognostico Sarculator, sviluppato dallo stesso gruppo di ricerca e già ampiamente utilizzato nella pratica clinica internazionale. La principale innovazione consiste nell'impiego di un approccio di Bayesian sequential learning, che consente di aggiornare progressivamente le stime prognostiche integrando nuove coorti di pazienti, senza dover ricostruire il modello da zero.

Lo studio ha analizzato i dati di 4.916 pazienti provenienti da sei coorti internazionali di Italia, Canada, Francia, Regno Unito e Stati Uniti. Il modello mantiene le principali variabili clinico-patologiche già consolidate, tra cui età, dimensioni del tumore, grado istologico e sottotipo istologico, ma introduce un sistema di apprendimento continuo capace di adattarsi all'evoluzione delle caratteristiche dei pazienti e dei trattamenti.

I risultati hanno evidenziato una migliore accuratezza prognostica rispetto a Sarculator. Per la sopravvivenza globale BayeSarc ha raggiunto un C-index di 0,801 rispetto a 0,773 del modello precedente, mentre per la previsione delle metastasi a distanza il C-index è risultato pari a 0,738 contro 0,718. Il nuovo modello ha inoltre mostrato una riduzione dell'incertezza associata alle stime prognostiche.

Secondo gli autori, la maggiore precisione del modello potrebbe tradursi in un supporto più affidabile alle decisioni cliniche, favorendo una personalizzazione del trattamento e una migliore selezione dei pazienti per gli studi clinici, senza sostituire il giudizio del medico.

Un ulteriore elemento di interesse riguarda l'immediata applicabilità nella pratica clinica. BayeSarc è infatti già stato integrato nell'applicazione gratuita Sarculator, consentendo ai clinici di utilizzare il nuovo algoritmo durante la valutazione prognostica e il counseling dei pazienti.

I ricercatori sottolineano infine che il framework sviluppato potrebbe essere esteso anche ad altri ambiti dell'oncologia, in particolare ai tumori rari, dove la limitata disponibilità di dati rende particolarmente utile un modello in grado di aggiornarsi progressivamente con l'accumularsi di nuove evidenze cliniche.