ETD

• Intelligenza artificiale
• Melanoma Metastatico
• Scelta Terapeutica.

Il melanoma metastatico rappresenta una delle forme più aggressive di tumore cutaneo, con un’elevata eterogeneità molecolare e una prognosi spesso infausta. Negli ultimi anni, l’introduzione di farmaci immunoterapici e terapie target, come gli inibitori BRAF/MEK, ha significativamente modificato l’approccio terapeutico, migliorando la sopravvivenza globale in sottogruppi selezionati di pazienti. Tuttavia, la complessità delle variabili cliniche, biologiche e genomiche che influenzano la risposta al trattamento rende sempre più difficile per il clinico scegliere l’opzione terapeutica più appropriata.
In questo contesto si inserisce il crescente utilizzo dell’intelligenza artificiale (IA) come strumento di supporto alle decisioni cliniche. Algoritmi di machine learning e modelli predittivi avanzati consentono di elaborare grandi moli di dati clinici e molecolari, identificando pattern non evidenti all’occhio umano e proponendo strategie terapeutiche personalizzate.
L’obiettivo di questa tesi è confrontare l’approccio decisionale del clinico nella scelta dei trattamenti per il melanoma metastatico con le raccomandazioni generate da modelli based decision support di intelligenza artificiale, attraverso l’analisi di casi clinici reali, simulazioni (PFS e OS) e confronto costo-efficacia, revisione della letteratura più recente (2024–2025) . Verranno inoltre discusse le implicazioni pratiche, etiche ed economiche dell’integrazione tra IA e pratica clinica in ambito oncologico.
I dati indicano che l’integrazione strutturata dell’intelligenza artificiale nei processi decisionali clinici può incrementare l’appropriatezza terapeutica, ridurre l’eterogeneità prescrittiva e supportare lo sviluppo di modelli di medicina di precisione maggiormente sostenibili ed efficienti. Tale integrazione non si configura come sostitutiva delle competenze del medico e del farmacista clinico, ma come un supporto avanzato nel governo della complessità terapeutica in ambito oncologico, contribuendo all’ottimizzazione dei protocolli di trattamento.