Come i nostri lettori ben sanno, l’intelligenza artificiale continua a guadagnare spazio in oncologia. Dopo le applicazioni nella diagnostica per immagini, nella patologia digitale e nel supporto alle decisioni cliniche, uno dei fronti più promettenti riguarda la ricerca clinica. Al congresso ASCO 2026 di Chicago sono stati presentati i risultati di una validazione indipendente di TRIAGE (Trial Recommendations using Intelligent Assessment to Guide Eligibility and Enrollment), una piattaforma basata su AI progettata per identificare automaticamente i pazienti candidabili agli studi clinici. Il tema è tutt’altro che marginale. La scarsa partecipazione agli studi oncologici rappresenta infatti uno dei principali ostacoli allo sviluppo di nuove terapie. Ancora oggi, molti pazienti eleggibili non vengono mai presi in considerazione per un trial semplicemente perché il processo di screening richiede una revisione manuale, complessa e dispendiosa delle cartelle cliniche e dei criteri di inclusione. È proprio su questo collo di bottiglia che punta TRIAGE. Il sistema combina un large language model (LLM), incaricato di interpretare i singoli criteri di eleggibilità degli studi, con un livello successivo di machine learning addestrato sui comportamenti reali dei clinical research coordinator (CRC), ossia i professionisti che quotidianamente valutano l’arruolabilità dei pazienti.
Lo studio presentato all’ASCO ha utilizzato dati real-world provenienti da un grande centro oncologico statunitense integrato tra attività accademica e territoriale. Il modello è stato addestrato su 629 pazienti e oltre 4.000 coppie paziente-studio clinico, per poi essere validato su un set indipendente comprendente 198 pazienti affetti da tumore della mammella, del polmone e del pancreas, per un totale di 793 possibili abbinamenti tra pazienti e trial. I risultati mostrano prestazioni notevoli. Utilizzando la soglia di matching definita nello studio, il sistema ha raggiunto una sensibilità del 78,3% e una specificità del 98,5%, con un valore predittivo positivo del 92,6%. In altre parole, quando TRIAGE identifica un paziente come eleggibile, nella grande maggioranza dei casi la valutazione risulta corretta. Ancora più interessante è l’analisi a livello dei singoli criteri di eleggibilità. Su 1.770 valutazioni confrontate con il giudizio umano, il tasso di concordanza grezza è stato del 93,1%, salito al 94,2% dopo una revisione strutturata. In ben 10 dei 25 casi inizialmente considerati discordanti, la rivalutazione degli esperti ha infine dato ragione all’algoritmo. Secondo gli autori, questo dato suggerisce che l’intelligenza artificiale non si limita a replicare il lavoro umano, ma potrebbe contribuire a individuare opportunità di arruolamento altrimenti perse.
La questione è particolarmente rilevante in oncologia, dove l’accesso tempestivo agli studi clinici può rappresentare un’opzione terapeutica importante per pazienti con malattia avanzata e limitate alternative disponibili. Naturalmente non si tratta di sostituire il giudizio clinico: TRIAGE nasce come strumento di supporto ai team di ricerca, con la possibilità di modulare le soglie decisionali in funzione delle esigenze operative e del tipo di studio. Tuttavia, il lavoro presentato a Chicago affronta uno dei principali ostacoli alla diffusione dell’AI in medicina: la fiducia. Negli ultimi mesi il dibattito sull’AI in oncologia si è intensificato. Dall’utilizzo degli LLM per la sintesi della letteratura scientifica fino al supporto nella stesura dei referti o nell’interpretazione dei dati clinici, la domanda non è più se questi strumenti entreranno nella pratica professionale, ma come integrarli in modo sicuro, trasparente e verificabile. In questo senso, la validazione di TRIAGE rappresenta un passaggio significativo perché dimostra, utilizzando dati reali e confronti sistematici con operatori esperti, che l’AI può contribuire a rendere più efficiente un processo cruciale per l’innovazione terapeutica. Sono già in corso studi prospettici che valuteranno l’integrazione del sistema nei flussi operativi quotidiani della ricerca clinica. Se i risultati saranno confermati, l’AI potrebbe presto diventare uno strumento stabile non solo per curare meglio i pazienti, ma anche per accelerare lo sviluppo delle cure del futuro.
Fonte: abstr 1501, J Clin Oncol 44, 2026 (suppl 16)
