Anno Accademico 2024-2025

Vol. 69, n° 3, Luglio - Settembre 2025

Settimana per la Cultura

15 aprile 2025

Copertina Atti Terzo Trimestre 2025 per sito.jpg

Versione PDF dell'articolo: Download

Tesi di Laurea: “Fattori coinvolti nella curva di apprendimento della chirurgia colon rettale robotica. Esperienza multicentrica” (Sintesi)

M. Russo

 
Carcinoma del colon-retto. Epidemiologia

A livello mondiale, il carcinoma del colon-retto (CRC) colpisce soprattutto persone tra i 60 e i 70 anni e presenta una lieve predominanza nei soggetti di sesso maschile. In Italia, l’incidenza continua ad aumentare, sebbene la mortalità sia in calo grazie ai programmi di screening e alle innovazioni terapeutiche1, 2.

Eziologia e fattori di rischio

La genesi del CRC è multifattoriale: intervengono fattori ambientali, dietetici e genetici. Tra i principali fattori di rischio vi sono: dieta ricca di grassi animali, fumo, alcol, obesità e sedentarietà3, 4. Al contrario, una dieta ricca di fibre, l’uso di FANS, l’attività fisica e l’assunzione di estrogeni in menopausa sembrano esercitare un effetto protettivo.

Il 25% dei pazienti con CRC presenta una storia familiare positiva. Le sindromi genetiche più note includono la poliposi adenomatosa familiare (FAP) e la sindrome di Lynch, mentre mutazioni nei geni KRAS, NRAS e BRAF sono indicatori prognostici sfavorevoli3.

Diagnosi e stadiazione

La pancolonscopia è il gold standard diagnostico, con alta sensibilità e specificità5. In alternativa, sono utilizzati la rettosigmoidoscopia e la colonscopia virtuale. Per la stadiazione, si adotta il sistema TNM6, mentre la risonanza magnetica pelvica è lo strumento principale per la valutazione dell’estensione locale nei tumori del retto. Recenti studi hanno esplorato l’utilizzo del cfDNA come possibile metodo di screening non invasivo, con risultati promettenti7.

Anatomia patologica e biologia molecolare

L’adenocarcinoma rappresenta il 95% dei CRC8. La biologia molecolare del tumore è fondamentale per orientare la terapia, in particolare nei casi metastatici. Pazienti con deficit del mismatch repair (dMMR) o instabilità dei microsatelliti (MSI) hanno una prognosi migliore e rispondono meglio all’immunoterapia9-15. Mutazioni nei geni RAS escludono l’uso degli anti-EGFR, mentre quelle di BRAF (soprattutto V600E) indicano una prognosi peggiore16-20.

Trattamento

La chirurgia è il trattamento principale per la malattia localizzata. L’esperienza del chirurgo e dell’équipe è correlata a migliori risultati clinici21, 22. Nei casi avanzati o metastatici si ricorre alla chemioterapia, terapia target (es. bevacizumab) e, in alcuni casi, alla chirurgia palliativa23, 24.

Chirurgia Robotica. Cenni storici

La chirurgia robotica nasce negli anni ’80 per fini militari. Il sistema Da Vinci, introdotto nel 1999, è oggi il riferimento mondiale. L’ultima generazione, il Da Vinci Xi, offre bracci articolati, visione tridimensionale e maggiore ergonomia per il chirurgo25, 26.

Tecnica chirurgica

Il sistema si compone di tre elementi: la console del chirurgo, il carrello robotico e la colonna di supporto. Gli strumenti replicano i movimenti del polso umano con 8 gradi di libertà. Rispetto alla laparoscopia, consente una maggiore precisione, ma è più costosa e tecnicamente complessa27.

Meta-analisi confermano che la chirurgia robotica riduce il tasso di conversione, migliora i margini di resezione e può diminuire le complicanze sessuali rispetto alla laparoscopia28-34.

Curva di apprendimento
La curva di apprendimento si articola in tre fasi:
- iniziale: formazione teorico-pratica con alto rischio di complicanze e lunghi tempi operatori;
- intermedia: il chirurgo guadagna fiducia e riduce gli errori;
- avanzata: si raggiunge il plateau con risultati ottimali e minori complicanze35, 36.

Materiali e Metodi
Lo studio ha coinvolto 157 pazienti operati tra il 2018 e il 2024 in tre centri:
- Francia: 125 pazienti, due chirurghi con esperienza laparoscopica e robotica parziale;
- Turchia: 15 pazienti, un chirurgo con esperienza solo in open surgery;
- Italia: 17 pazienti, un chirurgo con esperienza mista.

Tutti gli interventi sono stati eseguiti con Da Vinci Xi. Le anastomosi erano manuali in Italia e Turchia, meccaniche in Francia. Le variabili analizzate includevano tempi operatori, linfonodi rimossi, perdite ematiche, complicanze, conversioni, margini chirurgici, degenza e follow-up37-43. L’analisi statistica ha utilizzato SPSS, test non parametrici (Mann-Whitney, chi-quadrato) e metodo Kaplan-Meier per la sopravvivenza.

Risultati
- Età media: 65 anni; maschi: 65%;
- tipologia interventi: 143 resezioni anteriori basse, 11 interventi di Miles, 3 Hartmann;
- margini positivi: 17 casi (12 in Francia, 5 in Turchia);
- conversioni a open: 5 (2 in Turchia);
- anastomosi manuali eseguite in Turchia e Italia;
- linfonodi medi asportati: 15 (range 4-52). In 48 casi erano <12, soprattutto in Francia;
- tempi medi (Tab. 1):
    - docking: 7,7 min (Turchia 14,6);
    - console: 288,9 min (Turchia 183);
    - totale: 368,4 min;
- perdite ematiche medie: 97 ml;
- degenza: media 12 giorni (Turchia 9);
- mortalità: 21 casi (13 per metastasi, 8 per altre cause);
- complicanze gravi: 19 casi Clavien-Dindo III-IV;
- complessità secondo Miskovic: 145 casi erano di grado III-IV;
- analisi statistica: solo la complessità Miskovic è risultata statisticamente significativa; nessuna riduzione significativa dei tempi operatori nel tempo.

 

Discussione

Lo studio conferma che i chirurghi con esperienza laparoscopica o open consolidata non mostrano variazioni significative nei tempi operatori durante l’apprendimento robotico (Tab. 1). Tuttavia, selezionano inizialmente casi più semplici, passando a pazienti più complessi con il tempo.

Il chirurgo turco, pur privo di esperienza robotica, ha mostrato tempi operatori più brevi grazie alla selezione di casi a bassa complessità, all’esecuzione di anastomosi manuali e alla riduzione progressiva del docking time. Tuttavia, ha riportato due conversioni a chirurgia open, cinque casi con meno di 12 linfonodi e una mortalità oncologica (Tab. 2).

La complessità robotica, il BMI (Tab. 3), la morbilità (Clavien-Dindo) (Tab. 4 e 5), la positività dei margini e il numero di linfonodi asportati si confermano elementi chiave per valutare l’evoluzione della curva di apprendimento. I chirurghi francesi e italiani si trovano già nella fase avanzata (plateau), mentre il chirurgo turco è nella fase iniziale ma mostra un rapido progresso.

 

  Tab. 1. Tempi operatori.

 

 
Tab. 2. N. casi con linfonodi rimossi <12.   Tab. 3. Complessità dei casi.

 

Tab. 4. Variabili chirurgiche e di malattia.

 

Tab. 5. Classificazione di Clavien-Dindo.

 

 

Conclusioni

Il presente studio dimostra che l’esperienza pregressa, sia laparoscopica che open, consente un adattamento più rapido alla chirurgia robotica. Tuttavia, tale esperienza non abbrevia necessariamente la curva di apprendimento in termini di tempi operatori.

La curva è influenzata da fattori complessi e multifattoriali: complessità del caso, esperienza globale, caratteristiche del paziente, strumenti tecnici e approccio del centro (Tab. 6 e 7).

L’analisi temporale mostra che i chirurghi più esperti tendono a trattare casi progressivamente più complessi, mantenendo costanti i tempi operatori. Il chirurgo inesperto può comunque ottenere buoni risultati se affiancato da un percorso formativo strutturato.

 

 
Tab. 6. Tabella di contingenza. Conteggio.   Tab. 7. Test del chi quadrato. Miskovic laparoscopic (robotic) complexity.

Dott. Massimo Russo, Corso di Laurea Magistrale in Medicina e Chirurgia, Dipartimento di Chirurgia Generale, Facoltà di Medicina e Odontoiatria, Sapienza Università di Roma

Sintesi della Tesi di Laurea discussa il 25/10/2024

Relatore: Prof. Enrico Fiori, Facoltà di Medicina e Odontoiatria, Sapienza Università di Roma

Correlatore: Prof. Daniele Crocetti, Dipartimento Di Chirurgia, Sapienza Università di Roma

Per la corrispondenza: massimo.russo172@gmail.com

BIBLIOGRAFIA

  1. Siegel RL, Wagle NS, Cercek A, Smith RA, Jemal A. Colorectal cancer statistics, 2023. CA Cancer J Clin [Internet]. 2023;73:233-54.
  2. AIOM. I numeri del cancro in Italia. Milano: Intermedia, 2023.
  3. Wei EK, Giovannucci E, Wu K, et al. Comparison of risk factors for colon and rectal cancer. Int J Cancer 2004;108:433-42.
  4. McCance K, Huether SE, Brashers V, Rote NS. Fisiopatologia ed elementi di patologia generale. Milano: Edra, 2017.
  5. Schmoll HJ, Van cutsem E, Stein A, et al. ESMO Consensus Guidelines for management of patients with colon and rectal cancer. A personalized approach to clinical decision making. Ann Oncol 2012;23:2479-516.
  6. Townsend CM, Beauchamp DR, Evers BM, Mattox KL. Sabiston. Textbook of Surgery. The biological basis of modern surgical practice. Elsevier, 2021.
  7. Chung DC, Gray DM, Singh H, et al. A Cell-free DNA Blood-Based Test for Colorectal Cancer Screening. N Engl J Med 2024;390:973-83.
  8. Robbins SL, Cotran RS, Kumar V, Abbas AK, Aster JC. Le basi patologiche delle malattie. Vol. 2. Malattie degli organi e degli apparati. Milano: Edra, 2017.
  9. Chakravarty D, Johnson A, Sklar J, et al. Somatic Genomic Testing in Patients With Metastatic or Advanced Cancer: ASCO Provisional Clinical Opinion. J Clin Oncol 2022;40:1231-58.
  10. Monahan KJ, Bradshaw N, Dolwani S, et al. Guidelines for the management of hereditary colorectal cancer from the British Society of Gastroenterology (BSG)/Association of Coloproctology of Great Britain and Ireland (ACPGBI)/United Kingdom Cancer Genetics Group (UKCGG). Gut 2020;69:411-44.
  11. Kumarasinghe AP, De Boer B, Bateman AC, Kumarasinghe MP. DNA mismatch repair enzyme immunohistochemistry in colorectal cancer: a comparison of biopsy and resection material. Pathology 2010; 42:414-20.
  12. Peltomäki P, Nyström M, Mecklin JP, Seppälä TT. Lynch Syndrome Genetics and Clinical Implications. Gastroenterology 2023;164:783-99.
  13. André T, Shiu KK, Kim TW, et al. Pembrolizumab in Microsatellite-Instability-High Advanced Colorectal Cancer. N Engl J Med 2020;383:2207-18.
  14. Marabelle A, Le DT, Ascierto PA, et al. Efficacy of Pembrolizumab in Patients With Noncolorectal High Microsatellite Instability/Mismatch Repair-Deficient Cancer: Results From the Phase II KEYNOTE-158 Study. J Clin Oncol 2020;38:1-10.
  15. Sinicrope FA. Lynch Syndrome-Associated Colorectal Cancer. N Engl J Med 2018;379:764-73.
  16. Jin Z, Sinicrope FA. Mismatch Repair-Deficient Colorectal Cancer: Building on Checkpoint Blockade. J Clin Oncol 2022;40:2735-50.
  17. Grillo F, Paudice M, Gambella A, et al. Evaluating mismatch repair deficiency in colorectal cancer biopsy specimens. Histochem Cell Biol 2023;160:113-25.
  18. Timar J, Kashofer K. Molecular epidemiology and diagnostics of KRAS mutations in human cancer. Cancer Metastasis Rev 2020;39:1029-38.
  19. Najafi S, Majidpoor J, Mortezaee K. Liquid biopsy in colorectal cancer. Clin Chim Acta 2024;553:117674.
  20. Strickler JH, Yoshino T, Graham RP, Siena S, Bekaii-Saab T. Diagnosis and Treatment of ERBB2-Positive Metastatic Colorectal Cancer: A Review. JAMA Oncol 2022;8:760-9.
  21. Burns EM, Bottle A, Almoudaris AM, et al. Hierarchical multilevel analysis of increased caseload volume and postoperative outcome after elective colorectal surgery. Br J Surg 2013;100:1531-8.
  22. Di Cataldo A, Scilletta B, Latino R, Cocuzza A, Li Destri G. The surgeon as a prognostic factor in the surgical treatment of rectal cancer. Surg Oncol 2007;16 Suppl 1:53-6.
  23. Poultsides GA, Servais EL, Saltz LB, et al. Outcome of primary tumor in patients with synchronous stage IV colorectal cancer receiving combination chemotherapy without surgery as initial treatment. J Clin Oncol 2009;27:3379-84.
  24. Chen YX, Yang Q, Kuang JJ, et al. Efficacy of adding bevacizumab in the first-line chemotherapy of metastatic colorectal cancer: evidence from seven randomized clinical trials. Gastroenterol Res Pract 2014;2014:594930.
  25. Boschetti G, Tribbia J. La chirurgia robotica. Padova: Università degli studi di Padova, 2022.
  26. Intuitive da Vinci. https://www.intuitive.com/en-us/products-and-services/da-vinci.
  27. P. Rouanet, M. Lehiany, A. Mourregot, P.-E. Colombo, C. Taoum. Chirurgia del cancro del retto mediante assistenza robotica (X e Xi). EMC - Tecniche Chirurgiche Addominale 2023;29:1-10.
  28. Lin S, Jiang HG, Chen ZH, Zhou SY, Liu XS, Yu JR. Meta-analysis of robotic and laparoscopic surgery for treatment of rectal cancer. World J Gastroenterol 2011;17:5214-20.
  29. Trastulli S, Farinella E, Cirocchi R, et al. Robotic resection compared with laparoscopic rectal resection for cancer: systematic review and meta-analysis of short-term outcome. Colorectal Dis 2012;14:e134-56.
  30. Memon S, Heriot AG, Murphy DG, Bressel M, Lynch AC. Robotic versus laparoscopic proctectomy for rectal cancer: a meta-analysis. Ann Surg Oncol 2012;19:2095-101.
  31. Yang Y, Wang F, Zhang P, et al. Robot-assisted versus conventional laparoscopic surgery for colorectal disease, focusing on rectal cancer: a meta-analysis. Ann Surg Oncol 2012;19:3727-36.
  32. González Fernández AM, Mascareñas González JF. Total laparoscopic mesorectal excision versus robot-assisted in the treatment of rectal cancer:a meta-analysis. Cir Esp 2012;90:348-54.
  33. Ortiz-Oshiro E, Sánchez-Egido I, Moreno-Sierra J, Pérez CF, Díaz JS, Fernández-Represa JÁ. Robotic assistance may reduce conversion to open in rectal carcinoma laparoscopic surgery: systematic review and meta-analysis. Int J Med Robot 2012;8:360-70.
  34. Xiong B, Ma L, Zhang C, Cheng Y. Robotic versus laparoscopic total mesorectal excision for rectal cancer: a meta-analysis. J Surg Res 2014;188:404-14.
  35. Grange P, Mulla M. Learning the “learning curve.” Surgery 2015;157:8-9.
  36. Vining CC, Skowron KB, Hogg ME. Robotic gastrointestinal surgery: learning curve, educational programs and outcomes. Updates Surg 2021;73:799-814.
  37. Clavien PA, Barkun J, De Oliveira ML, et al. The Clavien-Dindo classification of surgical complications: five-year experience. Ann Surg 2009;250:187-96.
  38. Wong SW, Ang ZH, Crowe P. The learning curve to attain surgical competency in robotic colorectal surgery. ANZ J Surg 2022;92:1117-24.
  39. Nasseri Y, Stettler I, Shen W, et al. Learning curve in robotic colorectal surgery. J Robot Surg 2021;15:489-95.
  40. Soomro NA, Hashimoto DA, Porteous AJ, et al. Systematic review of learning curves in robot-assisted surgery. BJS Open 2020;4:27-44.
  41. Foo CC, Law WL. The Learning Curve of Robotic-Assisted Low Rectal Resection of a Novice Rectal Surgeon. World J Surg 2016;40:456-62.
  42. Barnajian M, Pettet D, Kazi E, Foppa C, Bergamaschi R. Quality of total mesorectal excision and depth of circumferential resection margin in rectal cancer: A matched comparison of the first 20 robotic cases. Colorectal Disease 2014;16:603-9.
  43. Burghgraef TA, Sikkenk DJ, Verheijen PM, Moumni M El, Hompes R, Consten ECJ. The learning curve of laparoscopic, robot-assisted and transanal total mesorectal excisions: a systematic review. Surg Endosc 2022; 36:6337-60.