Lo schwannoma vestibolare è la neoplasia benigna più comune dell’angolo ponto-cerebellare e la sua gestione si fonda su tre approcci principali: osservazione, radiochirurgia stereotassica e resezione chirurgica. La scelta tra queste opzioni terapeutiche dipende soprattutto da dimensioni e crescita della lesione, sintomi, età e condizioni generali del paziente e dai reperti di imaging.
Ogni opzione presenta criticità specifiche: nella microchirurgia, i principali aspetti riguardano la funzione del nervo facciale, la preservazione dell’udito e il rischio di recidiva, mentre nella radiochirurgia è fondamentale stimare correttamente la risposta al trattamento per limitare il rischio di recidiva e la necessità di interventi successivi. Infine, nell’approccio osservazionale i tumori di piccole dimensioni e asintomatici destano preoccupazione soprattutto per la probabilità di crescita nel tempo.
In questo contesto si colloca il crescente interesse per l’intelligenza artificiale e, in particolare, per le tecniche di machine learning, che impiegano algoritmi statistici per analizzare grandi quantità di dati, consentendo ai sistemi di apprendere dalle informazioni esistenti e di formulare previsioni su dati precedentemente trascurati.
Per valutare le prestazioni degli algoritmi di intelligenza artificiale nella previsione degli esiti associati alle differenti opzioni terapeutiche per lo schwannoma vestibolare, un gruppo di ricercatori, coordinato da Sara Ranji della Tehran University of Medical Sciences, in Iran, ha condotto una revisione sistematica con metanalisi, che è stata pubblicata su Neurosurgical Review.
Le performance dell’AI nei diversi approcci terapeutici dello schwannoma vestibolare
Le prestazioni dei modelli AI sono state valutate principalmente attraverso il calcolo dell’area sotto la curva (AUC), un indicatore della capacità di discriminare tra due possibili esiti. Il valore dell’AUC varia tra 0,5 e 1: un valore pari a 0,5 indica una capacità predittiva nulla, equivalente al caso, mentre un valore di 1,0 corrisponde a una predizione perfetta.
Dallo studio emerge che, nell’ambito della microchirurgia, i modelli predittivi di intelligenza artificiale hanno mostrato una performance complessivamente buona, con un’AUC pari a 0,80 e un’accuratezza dell’81,5%. Nell’analisi per sottogruppi, i modelli di AI hanno ottenuto risultati migliori nella previsione degli esiti della funzione facciale rispetto a quella della preservazione dell’udito e del rischio di recidiva.
Per quanto riguarda la radiochirurgia, la performance è risultata più contenuta, con un’AUC pari a 0,722 e un’accuratezza del 58,5%, mentre per quanto riguarda la gestione conservativa, gli algoritmi di intelligenza artificiale hanno mostrato prestazioni promettenti nella previsione della crescita dello schwannoma vestibolare, con un’AUC di 0,912 e un’accuratezza dell’87,5%. Questo risultato appare di particolare rilevanza clinica, poiché potrebbe contribuire a distinguere i pazienti che possono essere monitorati da quelli per i quali risulta opportuno intraprendere un trattamento.
Tra potenzialità e limiti: il ruolo attuale dell’AI
Il denominatore comune di questi studi è una notevole eterogeneità nei risultati, che riflette le differenze nei disegni di studio, nelle metodologie adottate e nei modelli di machine learning impiegati, ma anche la natura complessa e talvolta imprevedibile dei dati analizzati.
Il raggiungimento di un’accuratezza predittiva realmente affidabile richiede la conduzione di studi basati su protocolli rigorosi e standardizzati, supportati dall’adozione sistematica di linee guida metodologiche e da processi di validazione esterna, che dovrebbero diventare parte integrante dello sviluppo dei modelli di intelligenza artificiale, a cui deve affiancarsi una stretta collaborazione interdisciplinare tra diversi profili, come neurochirurghi, oncologi radioterapisti e informatici.
Allo stato attuale, gli algoritmi di intelligenza artificiale non possono sostituire il giudizio clinico, ma nel complesso si presentano come strumenti promettenti per la previsione degli esiti associati alle diverse strategie terapeutiche per lo schwannoma vestibolare, aprendo prospettive concrete per una loro integrazione nella pratica clinica.
