Un nuovo modello di intelligenza artificiale basato su architettura transformer, chiamato Oncoformer e recentemente descritto su Cell, si è dimostrato in grado di identificare il rischio di sviluppare fino a dieci tipologie tumorali con un anticipo fino a 12 mesi rispetto alla diagnosi clinica. L’algoritmo non richiede esami dedicati o invasivi, ma estrae segnali predittivi dai dati clinici di routine già presenti nelle cartelle elettroniche, incrociando parametri vitali, radiografie del torace ed esami ematochimici standard, dove marcatori come albumina, neutrofili, ALP e LDH hanno mostrato un peso rilevante nell’evidenziare l’evoluzione della patologia.

Addestrato su un’ampia base dati di circa 3,67 milioni di individui, Oncoformer ha registrato un’elevata capacità discriminativa, con un’AUROC di 0,869 nella predizione a un anno (escludendo i dati dei 90 giorni precedenti la diagnosi) e di 0,956 nella rilevazione della patologia in atto. Il modello ha inoltre mostrato un’accuratezza superiore a 0,90 AUROC nell’inferire lo stadio tumorale, stimando con precisione anche la sopravvivenza libera da recidiva e le traiettorie di risposta terapeutica. Anche se sono necessari ulteriori trial prospettici e una validazione su popolazioni eterogenee prima di un’integrazione nei sistemi di supporto alle decisioni cliniche (CDSS), questo approccio apre concrete prospettive per un’efficace stratificazione del rischio oncologico nella pratica assistenziale ordinaria.

Fonte

Liu F et al. Advancing cancer detection and treatment using longitudinal routine clinical data. Cell, 2026; 0