L’importanza della Risk stratification

Gli obiettivi di Spoke 1 all’interno del Piano Complementare Nazionale D3 4 Health sono obiettivi di primo ordine riconosciuti oggi dalla comunità scientifica europea; addirittura la commissione europea, negli Horizon Cancer, banditi circa 2 anni fa, aveva promosso proprio degli studi longitudinali per definire marcatori utili per diagnosi e screening di malattie a grosso impatto sia epidemiologico sia sanitario e uno dei punti premiali che erano previsti era l’esistenza di preesistenti database; questo è fondamentale oggi per poter arrivare in tempi brevi ad avere più marcatori utili per le diagnosi, utili per fare una prevenzione di tipo secondario, quindi per gli screening , o anche per una prevenzione terziaria, quindi per avere un’idea di quelle caratteristiche cliniche identificate di pazienti che possono evolvere più velocemente. E’ quindi importante partire da casistiche retrospettive, che possono offrire un’occasione unica per delineare le caratteristiche cliniche, biochimiche, radiologiche, epidemiologiche e fattori di rischio che identificano la popolazione oggetto di studio.

Ovviamente i vari spokes sono assolutamente interconnessi e questo è fondamentale per poter raggiungere gli obiettivi. In particolare Spoke 1, insieme a Spoke 2, parte dalle casistiche retrospettive ampie, quindi parliamo di big data già annotati, per tirare fuori gli algoritmi che riescono a inquadrare, a predire, il comportamento di una definita popolazione di individui affetti dalle malattie oggetto di indagine da parte di D3 4 Health.

Insieme al professor Alvaro di Sapienza e all’interno di Spoke 1 siamo task leader relativamente ai tumori primitivi del fegato, che sono un oggetto di studio fondamentale in quanto non hanno nessun tour di screening per una diagnosi precoce e quindi per una prevenzione secondaria; ecco perché sono rientrati nel target di D3 4 Health, ed ecco perché esiste tutta una pipeline che parte delle casistiche retrospettive e vuole arrivare – come ha spiegato già la professoressa Panebianco – a definire il digital e il biological twin che poi saranno gli oggetti che si spera ci porteranno a fare quelle diagnosi precoci o la prevenzione di cui abbiamo bisogno.

Faccio un esempio: noi di Spoke 1 e Spoke 2 abbiamo condotto un’analisi attraverso dei tool di intelligenza artificiale per definire delle signature di high risk sulla base di dati molto semplici ( dati biochimici, dati di presentazione alla diagnosi della malattia) e già questo, in una corte abbastanza ampia, ha determinato la creazione di un algoritmo che divide la popolazione in oggetto in due sottotipi prognostici ; ora questo aiuterà a scoprire nuovi biomarcatori, perché è evidente che sottesa a questa evoluzione diversa c’è una malattia diversa.

Quindi lo sforzo che fa Spoke 1 e Spoke 2 è proprio creare una corte di pazienti quando più omogenea possibile per inserirla poi nella prosecuzione degli studi longitudinali prospettici di Spoke 3 e 4.