Quasi tre pazienti su quattro con carcinoma polmonare non a piccole cellule (NSCLC) presentano una malattia avanzata al momento della diagnosi. Dal 60 all’80% di quei pazienti presentano alterazioni genomiche suscettibili di terapia mirata (targeted therapy), ovvero i farmaci inibitori delle kinases. Separatamente o insieme, i pazienti possono esprimere anche proteine di superficie delle cellule tumorali che li rendono idonei per l’immunoterapia. I pazienti con NSCLC avanzato che ricevono terapia mirata di prima linea o immunoterapia hanno tassi di risposta obiettiva migliorati, sopravvivenza libera da progressione più lunga e sopravvivenza globale più lunga. Sebbene l’agobiopsia polmonare percutanea sia sicura nel contesto del NSCLC avanzato, persiste confusione tra radiologi e patologi riguardo alla quantità di tessuto necessaria, nonché alla preparazione ottimale del tessuto per l’istopatologia e i test molecolari. Materiale insufficiente per i test molecolari viene procurato circa il 40% delle volte.
Mentre sono in corso sforzi per accelerare i test molecolari, la necessità di ripetere la biopsia può allungare l’attesa di un paziente per iniziare la terapia di una media di 57 giorni (range 31-90 giorni). Alcune potenziali soluzioni potrebbero essere interessanti per futuri studi di implementazione basati sul basso costo di implementazione previsto. Ad esempio, migliorare la richiesta di biopsia con l’aggiunta di una “casella di controllo” nella cartella clinica elettronica, per indicare la necessità di test molecolari, faciliterebbe il coordinamento tra radiologi, patologi e fornitori di riferimento. Le potenziali soluzioni per ottimizzare l’analisi dei campioni riguardano le tecniche di allocazione dei tessuti e i metodi di analisi. Allo stesso modo, lo studio Molecular Analysis for Therapy Choice del National Cancer Institute raccomanda di suddividere ciascun nucleo in due campioni, uno per la diagnosi e uno per studi accessori come i test molecolari. L’archiviazione del tessuto per futuri test molecolari è stata proposta come un’altra potenziale soluzione.
Una limitazione importante a questo approccio è che i tessuti possono perdere antigenicità nel tempo e le caratteristiche dei tumori avanzati possono cambiare dopo il trattamento. Ma ci sono altre alternative alla diagnosi molecolare e all’imaging sotto studio. Un modello di intelligenza artificiale è stato sviluppato da un team del Massachusetts Institute of Technology (MIT), con la capacità di analizzare le TAC ai polmoni e prevedere le aree in cui si formerà un tumore nei prossimi anni. E’ stato battezzato Sybil, Sibilla, come l’oracolo greco. Insieme, i ricercatori del MIT e del MGH hanno sviluppato questo strumento in grado di prevedere con una precisione che va dall’86 al 94% se una persona svilupperà il cancro ai polmoni nel prossimo anno. Questo strumento rappresenta una rivoluzione per la valutazione del rischio di cancro ai polmoni, che è ancora tra i più mortali. È importante sapere che se il cancro al polmone viene individuato precocemente, l’esito a lungo termine può divenitare significativamente migliore.
Infatti, il tasso di sopravvivenza a cinque anni si avvicina al 70%, mentre se lo si individua quando è avanzato, le probabilità di arrivare a cinque anni scendono a meno del 10%. Per questo i controlli periodici sono fondamentali, in specie quando si manifestano sintomi persistenti che non vanno via dopo un breve ciclo di cura. Dolori al torace persistenti, ricorrenti e resistenti al trattamento con antinfiammatori dovrebbero essere indagati senza ritardi, specie in coloro in cui l’abitudine al tabagismo o una sua storia importante fanno parte dello stile di vita. La “Sibilla” può dire le cose anzitempo, ma se non si ascoltano gli “avvertimenti”, si possono interpellare tutti gli oracoli che si vogliono e non cambierà nulla.
- A cura del Dr. Gianfrancesco Cormaci, PhD, specialista in Biochimica Clinica.
Pubblicazioni scientifiche
Mikhael PG et al. J Clin Oncol. 2023 Jan: JCO2201345.
Adams SJ et al. Lancet. 2023; 401(10374):390-408.
Fintelmann FJ et al. Respir Res. 2023 Jan; 24(1):17.
Tan AC, Tan DS. J Clin Oncol. 2022; 40(6):611–625.