Intelligenza artificiale avanzata per il cancro al seno: AstraZeneca e SOPHiA GENETICS puntano su modelli predittivi personalizzati
AstraZeneca ha esteso la sua collaborazione pluriennale con SOPHiA GENETICS, rafforzando l’impegno comune per il miglioramento degli esiti nei pazienti con cancro al seno. La partnership prevede l’uso delle AI Factories multimodali, motori analitici proprietari integrati nella piattaforma SOPHiA DDM, capaci di analizzare dati genomici, radiologici e clinici per generare evidenze sull’efficacia, il valore e le prestazioni real world delle terapie oncologiche.
Le AI Factories, addestrate su ambienti dati complessi e diversificati, saranno impiegate da AstraZeneca per sviluppare modelli predittivi personalizzati che ottimizzino le strategie terapeutiche in tumori mammari specifici, favorendo decisioni cliniche più informate.
L’intelligenza artificiale multimodale al servizio della ricerca clinica
La piattaforma SOPHiA DDM integra diversi tipi di dati — genomica, imaging, cartelle cliniche — in un motore analitico federato che consente di addestrare modelli AI predittivi. Questa infrastruttura permette l’analisi distribuita dei dati, preservando la sicurezza e la compliance normativa, e facilita la generazione di real world evidence in Europa e Nord America per individuare i fattori chiave di risposta alle terapie.
Secondo Ross Muken, Presidente di SOPHiA GENETICS, la piattaforma è costruita appositamente per gestire ambienti dati sanitari complessi, e questa collaborazione testimonia l’impegno condiviso per ottenere migliori risultati clinici mediante analytics affidabili e federati.
Obiettivi comuni: modelli predittivi e dati real world
Un componente centrale del progetto sarà lo sviluppo di un modello AI tailor made, pensato per mappare le risposte alle terapie nel carcinoma mammario. Il fine è ottimizzare i percorsi terapeutici, basandosi su biomarcatori emergenti e profili molecolari individuali raccolti sia internamente da AstraZeneca sia generati tramite l’iniziativa di collaborazione.
Jorge Reis Filho, Chief AI and Data Scientist di AstraZeneca, ha evidenziato che il perfezionamento dei modelli con dati multimodali permette una comprensione più olistica della biologia tumorale, migliorando la selezione dei trattamenti più efficaci per ciascun sottotipo di tumore mammario.
Un portafoglio terapeutico ampio e complesso
La partnership assume particolare rilevanza in virtù dell’ampio portfolio di AstraZeneca nel carcinoma mammario, che include diversi sottotipi e opzioni farmacologiche:
- Nel carcinoma HR+/HER2–, sono approvati l’anti-estrogeno antagonista estrogenico fulvestrant e l’inibitore PARP olaparib per pazienti con mutazioni BRCA. È inoltre disponibile capivasertib (inibitore AKT) e in sviluppo camizestrant, un SERD orale;
- Nei tumori HER2+ o HER2 low, viene utilizzato trastuzumab deruxtecan, un ADC co-sviluppato con Daiichi Sankyo, mentre datopotamab deruxtecan è stato recentemente autorizzato per HR+/HER2– dopo terapia endocrina;
- Nel triple-negativo, il PD-L1 inibitore durvalumab è studiato in regimi combinati.
La capacità dell’AI di integrare dati molecolari e clinici potrà aiutare a predire la risposta in questi contesti terapeutici diversificati.
Prospettive future: efficienza, decision support e diffusione su scala globale
Avviata nel 2023, la collaborazione si è estesa con l’inclusione del Memorial Sloan Kettering Cancer Center, consentendo l’accesso alle analisi genomiche MSK ACCESS e MSK IMPACT tramite la piattaforma SOPHiA DDM. Entro aprile 2025, la partnership ha raggiunto circa 30 istituzioni cliniche nel mondo.
Questo progetto rappresenta un esempio significativo di applicazione di intelligenza artificiale multimodale nel contesto real world, con l’obiettivo di sviluppare strumenti di supporto decisionale clinico e di guidare strategie terapeutiche più personalizzate e accurate.
Se confermato, il modello predittivo sviluppato grazie a questa collaborazione potrebbe tradursi in strumenti commerciali di clinical decision support utilizzabili su larga scala, con benefici tangibili in termini di miglioramento degli outcome oncologici.