Più dell’85% dei pazienti con carcinoma prostatico ha ricevuto diagnosi a più di 60 anni, condizione che può favorire lo sviluppo di fragilità.

Eppure si tratta di un aspetto che potrebbe avere più ricadute di quelle immaginabili. Per esempio i pazienti anziani fragili con carcinoma prostatico hanno un maggior rischio di mortalità e peggiori outcome e sopravvivenza generale con le terapie oncologiche rispetto ai pazienti fit. Inoltre la fragilità può essere di supporto nel predire il completamento del percorso terapeutico, le ospedalizzazioni, la mortalità cancro-specifica e la qualità di vita.

A questo si deve poi aggiungere che le linee guida raccomandano di adattare il trattamento al livello di fitness del singolo paziente anziano con carcinoma prostatico. I soggetti vulnerabili o pre-fragili, pertanto, potrebbero ricevere la terapia standard in concomitanza di interventi volti a invertire i deficit e/o maggiori cure di supporto per limitare le tossicità. In caso di fragilità irreversibili, si dovrebbe puntare a massimizzare la qualità di vita, anche con trattamenti sintomatici.

Possibili strategie per limitare la fragilità

L’attenzione al trattamento deve essere posta anche in caso di intervento chirurgico: a causa del rischio di complicanze e dell’ospedalizzazione, l’intervento radicale dovrebbe essere riservato ai pazienti fit, optando invece per la radioterapia o una gestione conservativa nei soggetti fragili.

I trattamenti antineoplastici possono determinare o esacerbare uno stato di fragilità.

Anche in virtù del continuo aumento del numero di soggetti anziani fragili che sviluppano una patologia tumorale, cosa si potrebbe fare? Un passaggio fondamentale dovrebbe prevedere un training adeguato e tempestivo alla classe medica sulla tematica specifica e i tool disponibili, così da poter applicare un modello di gestione guidato dal CGA e, in un secondo momento, ampliare tale modello in modo da includere le competenze di oncologi, geriatri e specialisti del movimento e della nutrizione. In futuro un supporto potrebbe venire da sistemi di machine learning che, sulla base dei dati raccolti di routine, potrebbero aiutare a identificare lo stato di fragilità del paziente.