Il tumore del polmone è una delle più importanti cause di morte a livello mondiale, nel cui percorso diagnostico un ruolo centrale è svolto dall’imaging, in particolare dalla tomografia computerizzata (TC). Nella maggior parte dei casi, al primo riscontro di un nodulo polmonare - la più frequente manifestazione di una neoplasia polmonare - non è possibile definire il comportamento biologico di tale lesione, rendendosi necessaria sia una valutazione longitudinale sia ulteriori approfondimenti diagnostici (es. caratterizzazione bioptica, indagini funzionali mediante PET). Tradizionalmente, la caratterizzazione del nodulo polmonare da parte del Medico Radiologo è basata sull’analisi delle dimensioni e sull’identificazione di caratteristiche morfologiche compatibili con un comportamento biologico maligno, con risultati condizionati dall’esperienza dell’operatore. Una branca sviluppatasi recentemente nell’ambito della ricerca scientifica radiologica – definita Radiomica – prevede l’estrazione di parametri quantitativi, definiti “features radiomiche”, che vengono analizzati con l’obiettivo di creare modelli predittivi del comportamento biologico delle lesioni, indipendenti dall’esperienza dell’operatore. L’obiettivo del presente lavoro di tesi è stato quello di creare un modello predittivo del comportamento biologico di noduli polmonari identificati mediante TC; in particolare, sono stati inclusi e comparati soggetti con riscontro anatomo-patologico di adenocarcinomi polmonari, metastasi da tumori extra-polmonari (rene, colon, endometrio) e lesioni dal comportamento biologico benigno (amartomi). 851 “features radiomiche” sono stati estratte dalle lesioni polmonari mediante software dedicato, e tramite sistemi di machine learning sono stati creati modelli di predizione del comportamento biologico della lesione, per distinguere le lesioni tra adenocarcinomi, metastasi e amartomi (ROC-AUC pari al 73%). Inoltre, un modello predittivo integrato - comprensivo di parametri clinici e radiomici - ha mostrato una performance più elevata nella stratificazione della prognosi dei soggetti con adenocarcinoma polmonare (C-index pari a 0.74 e 0.81, rispettivamente per soggetti con adenocarcinoma in tutti gli stadi e soggetti con adenocarcinoma in stadio I), rispetto a modelli esclusivamente clinici o radiomici.

Ct-radiomics for lung cancer risk and stratification of prognosis in adenocarcinoma

2021

Abstract

Il tumore del polmone è una delle più importanti cause di morte a livello mondiale, nel cui percorso diagnostico un ruolo centrale è svolto dall’imaging, in particolare dalla tomografia computerizzata (TC). Nella maggior parte dei casi, al primo riscontro di un nodulo polmonare - la più frequente manifestazione di una neoplasia polmonare - non è possibile definire il comportamento biologico di tale lesione, rendendosi necessaria sia una valutazione longitudinale sia ulteriori approfondimenti diagnostici (es. caratterizzazione bioptica, indagini funzionali mediante PET). Tradizionalmente, la caratterizzazione del nodulo polmonare da parte del Medico Radiologo è basata sull’analisi delle dimensioni e sull’identificazione di caratteristiche morfologiche compatibili con un comportamento biologico maligno, con risultati condizionati dall’esperienza dell’operatore. Una branca sviluppatasi recentemente nell’ambito della ricerca scientifica radiologica – definita Radiomica – prevede l’estrazione di parametri quantitativi, definiti “features radiomiche”, che vengono analizzati con l’obiettivo di creare modelli predittivi del comportamento biologico delle lesioni, indipendenti dall’esperienza dell’operatore. L’obiettivo del presente lavoro di tesi è stato quello di creare un modello predittivo del comportamento biologico di noduli polmonari identificati mediante TC; in particolare, sono stati inclusi e comparati soggetti con riscontro anatomo-patologico di adenocarcinomi polmonari, metastasi da tumori extra-polmonari (rene, colon, endometrio) e lesioni dal comportamento biologico benigno (amartomi). 851 “features radiomiche” sono stati estratte dalle lesioni polmonari mediante software dedicato, e tramite sistemi di machine learning sono stati creati modelli di predizione del comportamento biologico della lesione, per distinguere le lesioni tra adenocarcinomi, metastasi e amartomi (ROC-AUC pari al 73%). Inoltre, un modello predittivo integrato - comprensivo di parametri clinici e radiomici - ha mostrato una performance più elevata nella stratificazione della prognosi dei soggetti con adenocarcinoma polmonare (C-index pari a 0.74 e 0.81, rispettivamente per soggetti con adenocarcinoma in tutti gli stadi e soggetti con adenocarcinoma in stadio I), rispetto a modelli esclusivamente clinici o radiomici.
2021
Inglese
Tumore del polmone
Tomografia Computerizzata
Imaging quantitativo
Radiomica
Sverzellati, Nicola
Università degli Studi di Parma
File in questo prodotto:
File Dimensione Formato  
PhD_Milanese%20Gianluca_Relazione%20triennale.pdf

accesso solo da BNCF e BNCR

Tipologia: Altro materiale allegato
Dimensione 5.5 kB
Formato Adobe PDF
5.5 kB Adobe PDF
PhD_Milanese%20Gianluca_TESI.pdf

accesso solo da BNCF e BNCR

Tipologia: Altro materiale allegato
Dimensione 1.41 MB
Formato Adobe PDF
1.41 MB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14242/127600
Il codice NBN di questa tesi è URN:NBN:IT:UNIPR-127600