Verso la realizzazione della visione della medicina di precisione: previsione della risposta clinica ai farmaci basata sull’intelligenza artificiale

Questo approfondimento, accompagnato da un video-commento del Prof. Stefano Meletti, Professore Associato di Neurologia, Direttore UOC Neurologia e Struttura Semplice Dipartimentale di Neurofisiologia Clinica, Modena, tratta il tema dell’utilizzo dell’intelligenza artificiale come supporto per la personalizzazione della terapia nella pratica clinica

La previsione accurata e personalizzata della risposta alle terapie è fondamentale per la medicina di precisione. Tuttavia, a causa della natura generalmente complessa e sfaccettata della risposta clinica ai farmaci, la realizzazione di questa visione è molto impegnativa e richiede l’integrazione di diversi tipi di dati provenienti dallo stesso individuo in un unico modello di previsione.
In questo studio il farmaco anticrisi brivaracetam viene utilizzato come caso di studio per combinare un’estrazione ibrida di dati/caratteristiche guidata dalla conoscenza con l’apprendimento automatico per integrare sistematicamente i dati clinici e genetici da un set di dati di scoperta clinica (n = 235 pazienti). È stato inoltre costruito un modello che predice con successo la risposta clinica al farmaco.

Dopo un’ulteriore convalida sui dati raccolti da uno studio clinico indipendente, il modello è stato indagato approfonditamente per comprendere i fattori determinanti della risposta ai farmaci e identificare varie caratteristiche cliniche e genetiche che predispongono a una scarsa risposta. Infine, è stato valutato il potenziale impatto del modello sulla progettazione degli studi clinici.