Il PSA potrebbe raccontare molto più di quanto dice il singolo numero riportato sul referto. Non soltanto se il valore sale o scende, ma come scende, quanto velocemente lo fa e che cosa accade quando la terapia viene interrotta.
Da questa sequenza di variazioni un modello matematico può estrarre informazioni sulla biologia del tumore e provare a prevedere, già dopo il primo ciclo di trattamento, quali pazienti con carcinoma della prostata potrebbero beneficiare maggiormente di una terapia che alterna periodi con e senza farmaci.
È la prospettiva aperta da uno studio pubblicato su JAMA Oncology da un gruppo internazionale che comprende ricercatori del Moffitt Cancer Center, dell’Università di Oxford e di altre istituzioni. Il lavoro introduce tre “biomarcatori matematici” costruiti utilizzando misurazioni del PSA già normalmente disponibili nella pratica clinica.
La novità sta proprio qui: non necessariamente cercare nel sangue una nuova molecola, ma estrarre nuove informazioni da un biomarcatore che utilizziamo da decenni.
Non conta soltanto quanto è alto il PSA. Il PSA, antigene prostatico specifico, è uno degli indicatori più conosciuti in urologia e oncologia. Nei pazienti con carcinoma prostatico viene utilizzato anche per seguire nel tempo l’andamento della malattia e la risposta ai trattamenti. Tradizionalmente guardiamo soprattutto ai suoi valori assoluti e alla loro variazione.
Il nuovo approccio aggiunge un livello diverso: trasformare l’andamento temporale del PSA in una rappresentazione matematica del comportamento del tumore. Il gruppo guidato, tra gli altri, da Alexander R. A. Anderson del Moffitt Cancer Center e Philip Maini ha costruito un modello che considera la dinamica delle popolazioni tumorali sensibili e resistenti alla terapia.
L’obiettivo non è prevedere genericamente se una cura funzionerà, ma affrontare una domanda molto concreta: questo particolare paziente potrebbe beneficiare di una terapia adattativa e, in caso affermativo, con quale strategia?
Curare il tumore senza cercare sempre di distruggerlo tutto.
Per comprendere il lavoro bisogna entrare nella logica della cosiddetta adaptive therapy, la terapia adattativa.
La strategia nasce dall’oncologia evoluzionistica. Un trattamento somministrato continuamente esercita una forte pressione selettiva sulle cellule tumorali. Le cellule sensibili vengono eliminate o fortemente ridotte, mentre quelle resistenti possono sopravvivere e trovarsi progressivamente con meno concorrenti. La terapia adattativa cerca di utilizzare diversamente questa competizione. Quando il tumore risponde e il PSA raggiunge determinate condizioni, il trattamento può essere sospeso. Se successivamente la malattia mostra segnali di ripresa, viene riavviato.
L’obiettivo non è lasciare semplicemente il paziente senza terapia, ma modulare intenzionalmente la pressione esercitata dal farmaco, cercando di mantenere più a lungo sotto controllo le popolazioni resistenti.
È un cambio di filosofia: in determinate situazioni il bersaglio diventa il controllo evolutivo della malattia, non necessariamente la massima eliminazione immediata delle cellule sensibili.
Precedenti esperienze del Moffitt con l’abiraterone nel carcinoma prostatico metastatico resistente alla castrazione avevano già mostrato il potenziale dell’approccio adattativo, compresa una riduzione dell’esposizione complessiva al farmaco.
Ma emergeva contemporaneamente un problema: non tutti i pazienti rispondono allo stesso modo.
È qui che entrano in gioco i nuovi biomarcatori: i ricercatori hanno sviluppato tre misure matematiche basate sui dati ottenuti durante un primo ciclo terapeutico standardizzato. Il modello cerca di utilizzare questa prima risposta come una sorta di esperimento effettuato direttamente sul tumore del singolo paziente.
Il primo indicatore è l’AT Score, Adaptive Therapy Score. È forse quello concettualmente più interessante perché cerca di stimare quanto un determinato paziente potrebbe guadagnare dalla strategia adattativa rispetto a una terapia continua.
Un AT Score più favorevole suggerirebbe quindi un tumore le cui caratteristiche evolutive potrebbero renderlo maggiormente adatto alle pause terapeutiche programmate. Il secondo indicatore è l’Expected Time to Progression (eTTP), cioè una stima del tempo atteso prima della progressione. In altre parole, partendo da ciò che il PSA ha fatto durante il primo ciclo, il modello prova a proiettare per quanto tempo la malattia potrebbe rimanere controllata prima di ricominciare a crescere.
Il terzo parametro riguarda invece l’esposizione terapeutica prevista, cioè quanta terapia potrebbe essere necessaria mediamente nel tempo con differenti protocolli.
Se due strategie permettessero un controllo oncologico paragonabile, ma una consentisse di utilizzare il farmaco per una quota significativamente inferiore del tempo, potrebbero ridursi esposizione ai trattamenti, tossicità e potenzialmente anche costi.
Il primo ciclo diventa una sorta di test del tumore.
Il primo ciclo di terapia non servirebbe più soltanto a curare il paziente. Potrebbe diventare contemporaneamente un test dinamico della biologia del suo tumore. Immaginiamo due pazienti con valori iniziali di PSA apparentemente simili.
Dopo l’inizio della terapia entrambi mostrano una diminuzione. Guardando soltanto il valore finale potremmo considerarli due buoni responder. Ma le curve potrebbero raccontare storie differenti.
La velocità con cui il PSA diminuisce, il livello minimo raggiunto e soprattutto il comportamento durante le successive variazioni terapeutiche possono contenere informazioni indirette sulla composizione e sulla competizione tra popolazioni cellulari sensibili e resistenti.
È questa informazione nascosta nella forma della curva, più che nel singolo prelievo, che la matematica cerca di catturare.
Provati su due gruppi differenti di pazienti. I ricercatori hanno applicato il sistema a due differenti coorti di pazienti con carcinoma prostatico metastatico, provenienti da esperienze di terapia intermittente/adattativa.
Il modello è stato sviluppato per prevedere parametri come tempo alla progressione e quantità media di trattamento necessaria con differenti protocolli clinicamente plausibili. Secondo gli autori, i biomarcatori basati sul modello hanno identificato i pazienti che potevano ottenere i maggiori ritardi nella progressione oppure le maggiori riduzioni dell’esposizione terapeutica.
Il lavoro pubblicato su JAMA Oncology riferisce inoltre che i biomarcatori matematici basati sulla dinamica iniziale del PSA hanno previsto gli outcome individuali e la sopravvivenza meglio delle misure fenomenologiche tradizionali del PSA utilizzate nel confronto. Un risultato promettente, ma che non significa che domani un algoritmo possa decidere automaticamente quando interrompere la terapia.
Dal biomarcatore biologico al biomarcatore matematico
Il lavoro apre infatti una questione più ampia: quando parliamo di biomarcatori oncologici pensiamo normalmente a molecole, mutazioni, proteine o caratteristiche osservabili attraverso biopsia liquida e analisi genomiche. Qui il biomarcatore è differente. Nasce da una relazione matematica tra dati clinici raccolti nel tempo. Il PSA diventa quindi la materia prima. La nuova informazione nasce dal modo in cui cambia. È un concetto che potrebbe avere conseguenze molto più ampie della prostata: trasformare dati longitudinali già disponibili – marcatori tumorali, dimensioni delle lesioni, immagini, quantità di farmaco somministrata – in indicatori dinamici della risposta del tumore.
Non è ancora un test da chiedere al laboratorio.
È però fondamentale non anticipare le conclusioni. L’AT Score e gli altri indicatori non rappresentano oggi nuovi esami di laboratorio entrati nella pratica clinica standard e lo studio non dimostra che ogni paziente con carcinoma della prostata debba ricevere una terapia intermittente. Si tratta di un lavoro di modellizzazione e validazione che propone un possibile sistema di supporto alle decisioni cliniche. Saranno necessari ulteriori studi prospettici e popolazioni più ampie per stabilire quanto questi indicatori possano migliorare concretamente gli esiti quando vengono utilizzati per decidere il trattamento.
La stessa terapia adattativa resta una strategia specialistica e sperimentale in diversi contesti e non deve essere confusa con una sospensione autonoma delle cure.
Il futuro potrebbe essere scritto nella curva.
Rimane però un’idea potente. Per anni abbiamo chiesto al PSA essenzialmente: quanto sei alto? Poi abbiamo cominciato a domandargli: quanto velocemente stai aumentando o diminuendo? L’oncologia matematica prova ora a porre una domanda ancora più sofisticata: che cosa racconta l’intera traiettoria del PSA sulla popolazione di cellule tumorali che stiamo cercando di controllare?
Se ulteriormente validato, questo approccio potrebbe permettere di utilizzare un semplice prelievo ripetuto nel tempo per scegliere non soltanto quale trattamento utilizzare, ma quando somministrarlo, quando sospenderlo e quando riavviarlo. La medicina di precisione, in questo caso, non nascerebbe da un nuovo costosissimo test molecolare. Potrebbe cominciare da numeri che possediamo già, interpretati però con una matematica capace di leggere nel PSA qualcosa che l’occhio umano, osservando una serie di valori sul referto, non riesce a vedere.