Studio Morfologico delle Modificazioni Tissutali Indotte dalla Radioterapia nella Parete Rettale e nelle Strutture Anatomiche Relative, dopo Trattamento per Adenocarcinoma

BACKGROUND: La chemio-radioterapia neoadiuvante è il trattamento standard del carcinoma del retto localmente avanzato, ma la risposta terapeutica è altamente eterogenea, variando da risposte complete a vari gradi di regressione tumorale. Lo studio mira a valutare i pattern di fibrosi post-terapeutica (peritumorale, mesorettale e della fascia mesorettale) nelle resezioni rettali, sviluppando un modello predittivo di machine learning (ML) capace di correlare tali caratteristiche con i reperti istologici pretrattamento (fibrosi e necrosi), il grado di regressione tumorale (Dworak) e la stadiazione patologica. MATERIALI E METODI: Sono stati analizzati 171 pazienti sottoposti a trattamento neoadiuvante. È stata condotta un'analisi delle correlazioni tra parametri istopatologici e sono stati sviluppati modelli predittivi in Python, valutati tramite accuratezza e area sotto la curva ROC (AUC). L'interpretabilità dei modelli è stata garantita dalla metodologia SHAP (SHapley Additive exPlanations), utilizzata per quantificare il contributo delle singole variabili a livello globale e locale, consentendo una più accurata interpretazione delle predizioni generate dai modelli. RISULTATI: L'algoritmo Extreme Gradient Boosting (XGBoost) ha mostrato le migliori prestazioni, raggiungendo valori AUC compresi tra 0,80 e 0,91. L'analisi SHAP ha evidenziato che la fibrosi diffusa nelle biopsie pretrattamento è associata all'invasione vascolare, a una maggiore probabilità di regressione tumorale significativa (secondo Dworak), a un'estesa fibrosi peritumorale e mesorettale nei campioni chirurgici e all'ispessimento della fascia mesorettale. Inoltre, un'età < 72 anni, la localizzazione nel retto medio/inferiore, l'assenza di metastasi linfonodali alla TC di stadiazione preterapeutica e l'assenza di necrosi nelle biopsie diagnostiche sono risultate associate a una maggiore probabilità di necrosi tumorale indotta dal trattamento nei campioni operatori. CONCLUSIONI: Le caratteristiche fibrotiche nelle biopsie pretrattamento rappresentano potenziali biomarcatori predittivi della risposta alla terapia neoadiuvante. Nello specifico, la fibrosi diffusa si associa a pattern post-terapeutici definiti, tra cui un maggior grado di regressione tumorale e un'estesa fibrosi peritumorale e mesorettale e l’inspessimento della fascia mesorettale. Tali evidenze sottolineano il potenziale ruolo del microambiente stromale nella modulazione della sensibilità tumorale alla chemio-radioterapia, suggerendo che le modificazioni stromali possano costituire importanti determinanti biologici della risposta terapeutica. Inoltre, i nostri risultati supportano l’impiego di approcci di intelligenza artificiale applicati alla patologia oncologica per migliorare la stratificazione prognostica e la predizione della risposta al trattamento nei pazienti affetti da carcinoma del retto. L’integrazione di dati clinici e istopatologici mediante modelli di machine learning interpretabili potrebbe contribuire allo sviluppo di strategie terapeutiche sempre più personalizzate. Tuttavia, saranno necessari studi prospettici multicentrici su coorti più ampie per confermare la robustezza, la riproducibilità e la generalizzabilità dei modelli proposti, nonché per definirne il potenziale impatto nella pratica clinica.