CMML2AML: scoperta mediante apprendimento automatico di co-mutazioni e mutazioni singole specifiche predittive della trasformazione blastica nella leucemia mielomonocitica cronica

Perché è importante per le persone con tumore del sangue

La leucemia mielomonocitica cronica è un tumore del sangue raro che può rimanere stabile per anni oppure evolvere improvvisamente in una forma aggressiva simile alla leucemia acuta. I medici faticano a prevedere quali pazienti faranno questo pericoloso salto. Questo studio usa tecniche informatiche moderne per leggere i modelli nel DNA leucemico, con l’obiettivo di identificare chi è a più alto rischio in modo che le decisioni terapeutiche, incluso il trapianto di cellule staminali, possano essere prese al momento più opportuno.

Alla ricerca di schemi in un cancro del sangue complesso

La CMML è un tumore delle cellule del midollo osseo che producono un eccesso di un tipo di globulo bianco chiamato monociti. Alcuni pazienti vivono molti anni con la malattia controllata, mentre altri progrediscono rapidamente verso la leucemia mieloide acuta, nota come trasformazione blastica. Gli strumenti di rischio tradizionali analizzano singole variazioni geniche o ampie categorie di alterazioni, ma studi diversi non hanno sempre concordato su quali mutazioni individuali siano davvero determinanti. Gli autori hanno ipotizzato che il pericolo reale potesse risiedere non in singoli eventi, ma in particolari combinazioni di alterazioni geniche che agiscono insieme.

Lasciare che le macchine classifichino i pazienti in base a segnali genetici nascosti

Il gruppo ha studiato 605 pazienti con CMML dal Mayo Clinic e ha poi verificato i risultati in 501 pazienti dall’Italia. Utilizzando il sequenziamento di nuova generazione, hanno catalogato le mutazioni in 47 geni comunemente alterati nei tumori del sangue. Hanno quindi costruito un sistema personalizzato di apprendimento automatico per raggruppare i pazienti in base alle mutazioni che comparivano insieme e alla durata libera da trasformazione blastica. L’algoritmo ha generato molti semplici alberi decisionali, ciascuno suddividendo i pazienti in gruppi con modelli di mutazione condivisi, e ha poi unito gruppi simili in base al confronto delle loro curve di sopravvivenza.

Cinque gruppi di rischio genetico da molto sicuro a molto pericoloso

L’analisi computazionale ha rivelato cinque cluster molecolari con probabilità di trasformazione in leucemia acuta nettamente diverse. Un piccolo gruppo con alterazioni in un gene chiamato PHF6 ma senza cambiamenti in ASXL1 non ha mostrato praticamente trasformazioni nel corso di diversi anni, costituendo un gruppo a rischio ultra basso. All’estremo opposto, i pazienti con mutazioni NPM1, l’accoppiamento NRAS e SETBP1, o l’accoppiamento ASXL1 e BCOR presentavano tassi di trasformazione estremamente elevati, vicini al 100 percento entro tre anni. Tra questi poli, altre combinazioni, come ASXL1 con RUNX1 o ASXL1 con TET2, definivano cluster ad alto e intermedio rischio, mentre i pazienti privi di questi schemi formavano un più ampio gruppo a basso rischio.

Creare un punteggio semplice che i medici possano usare

Per trasformare questi risultati in uno strumento pratico, i ricercatori hanno combinato le singole mutazioni e le co-mutazioni più influenti in un nuovo sistema di punteggio che chiamano CMML2AML. Hanno assegnato punti in base a quanto fortemente ciascun modello genetico fosse associato alla trasformazione blastica. La mutazione NPM1 ha ricevuto il peso maggiore, seguita da NRAS con SETBP1 e da BCOR, con pesi minori per ASXL1 e per la coppia ASXL1 più RUNX1. La somma di questi punti ha suddiviso i pazienti in quattro livelli dal rischio basso al rischio alto, con il livello più elevato che presentava quasi una probabilità su due di trasformazione entro un anno. Lo stesso punteggio ha mostrato comportamenti simili anche nel gruppo italiano, a sostegno della sua utilità più ampia.

Un segnale di allarme particolare: le mutazioni di NPM1

Uno dei risultati più evidenti riguardava NPM1, un gene ben noto nella leucemia acuta. In questo studio sulla CMML, le mutazioni di NPM1 erano rare ma molto preoccupanti. Anche quando la percentuale di blasti immaturi nel sangue e nel midollo era ancora al di sotto delle soglie standard per la leucemia acuta, i pazienti con variazioni di NPM1 progredivano alla fase blastica e avevano una sopravvivenza più breve rispetto agli altri. Questi casi spesso non presentavano altre mutazioni ad alto rischio come ASXL1 o RUNX1 e portavano frequentemente alterazioni in DNMT3A, suggerendo che rappresentino un sottotipo genetico distinto che potrebbe meritare di essere trattato come leucemia acuta non appena viene riconosciuto.

Cosa significa per i pazienti e l’assistenza

Per le persone che convivono con la CMML, questo lavoro dimostra che il profilo delle mutazioni, non solo il numero di blasti o il risultato di un singolo gene, può modellare fortemente la prognosi. Identificando combinazioni pericolose di alterazioni geniche e riassumendole nel punteggio CMML2AML, lo studio offre un modo per individuare pazienti che potrebbero necessitare di monitoraggio più ravvicinato e di una discussione anticipata sul trapianto di cellule staminali, così come coloro la cui malattia è improbabile che si trasformi rapidamente. Questi risultati richiederanno conferma in ulteriori coorti, ma spostano il campo verso una guida più precisa, basata sulla genetica, per la gestione di questo complesso tumore del sangue.

Citazione: Fathima, S., Rokach, L., Yousuf, M. et al. CMML2AML: machine-learning discovery of co-mutations and specific single mutations predictive of blast transformation in chronic myelomonocytic leukemia. Blood Cancer J. 16, 76 (2026). https://doi.org/10.1038/s41408-026-01491-1

Parole chiave: leucemia mielomonocitica cronica, rischio di trasformazione blastica, co-mutazioni, genomica e apprendimento automatico, mutazione NPM1