ETD

• AtezoTRIBE
• AVETRIC
• immunoterapia
• intelligenza artificiale
• marker predittivi
• mCCR
• pMMR

Gli inibitori del checkpoint immunitario (ICI) offrono un beneficio limitato nel carcinoma del colon-retto metastatico (mCCR) con proficient mismatch repair (pMMR), caratterizzato da un microambiente tumorale immuno-escluso. Identificare biomarcatori predittivi in grado di selezionare i pazienti pMMR responsivi rappresenta una necessità clinica non soddisfatta. Il presente lavoro descrive lo sviluppo e la validazione di un punteggio predittivo basato sull'intelligenza artificiale (AI-PS), ottenuto dall'analisi di sezioni istologiche colorate con ematossilina-eosina mediante la piattaforma Lunit SCOPE IO, che quantifica le popolazioni cellulari tumorali e stromali del microambiente. Il modello è stato sviluppato nella coorte sperimentale dello studio AtezoTRIBE (FOLFOXIRI/bevacizumab + atezolizumab), applicato all'intera popolazione AtezoTRIBE e validato nello studio AVETRIC; i dataset pubblici TCGA e CPTAC-COAD sono stati utilizzati come coorti di esplorazione esterna. Nella coorte di applicazione, i pazienti con tumori AI-PS-high mostravano un beneficio dall'aggiunta dell'ICI, a differenza degli AI-PS-low; il dato è stato confermato nella coorte di validazione AVETRIC. L'assenza di un effetto nelle coorti di pazienti non trattati con ICI supporta il valore predittivo, e non prognostico, dell'AI-PS. L'AI-PS rappresenta uno strumento promettente per affinare la selezione dei pazienti pMMR candidabili a strategie terapeutiche contenenti ICI, previa validazione prospettica.