Advanced AI frameworks for lung nodule analysis: from synthetic low-dose CT simulation to nodule detection and classification

Lung cancer remains the leading cause of cancer-related mortality worldwide. Screening subjects with low- dose computed tomography (LDCT) has been shown to reduce mortality. However, its implementation faces significant challenges, including the high workload for radiologists and the scarcity of large, annotated datasets required to train robust artificial intelligence (AI) support systems. This PhD thesis addresses these limitations by proposing methodologies that leverage synthetic data generation, self-supervised learning, and explainable radiomics to improve the lung cancer screening pipeline. First, to overcome the scarcity of annotated LDCT data, this work investigated the feasibility of generating synthetic LDCT from standard-dose computed tomography (SDCT). A comprehensive comparison of image- domain and sinogram-domain degradation techniques was conducted. The results demonstrated that synthetic LDCT images generated via unpaired Generative Adversarial Networks (GANs) are statistically comparable to real clinical acquisitions, offering a scalable, cost-effective solution for data augmentation without requiring paired data that would increase patients’ radiation exposure. Second, to address nodule detection, the thesis introduced a novel approach that treats 3D volumetric computed tomography (CT) scans as video sequences. The study adapted the Video-MAE self-supervised framework from the natural video domain to the medical domain. Transformer-based backbones (Video-ViT and SwinUNETR) were pretrained on unlabeled chest LDCT images and subsequently fine-tuned for 3D nodule detection using the state-of-the-art nnDetection framework. This method demonstrated that leveraging vast amounts of unlabeled data through self-supervised learning significantly improves detection performance (average precision at IoU 0.1 82.6%), even when annotated medical data are limited. Third, regarding nodule malignancy classification, the research developed an explainable radiomics-based framework designed for screening-detected nodules. A key contribution was the validation of a cross-domain training strategy using the LIDC-IDRI dataset: training classifier models exclusively on synthetic LDCT images and testing them on real, unseen LDCT data (tube current ≤ 80 mAs). The proposed model, utilizing interpretable radiomic features, achieved robust performance (AUC 0.874) on the test set, successfully distinguishing malignant nodules from benign ones. This thesis confirms that utilizing degraded SDCT images is a viable and effective strategy for developing generalizable lung cancer screening tools. By combining synthetic image generation with advanced self- supervised detection and explainable classification, this work paves the way for the development of accurate, reproducible, and clinically trustworthy AI systems capable of supporting radiologists in the early detection of lung cancer.

Il cancro al polmone rimane la principale causa di mortalità oncologica a livello mondiale. È stato dimostrato che lo screening con tomografia computerizzata a bassa dose (LDCT) riduce la mortalità. Tuttavia, la sua implementazione presenta sfide significative, tra cui l'elevato carico di lavoro per i radiologi e la scarsità di grandi dataset annotati necessari per addestrare sistemi di supporto basati sull'intelligenza artificiale (IA). Questa tesi di dottorato affronta tali limitazioni proponendo metodologie che sfruttano la generazione di dati sintetici, l'apprendimento auto-supervisionato e la radiomica spiegabile per migliorare il percorso di screening del cancro al polmone. In primo luogo, per superare la scarsità di dati LDCT annotati, questo lavoro ha studiato la fattibilità di generare immagini LDCT sintetiche a partire da tomografie computerizzate a dose standard (SDCT). È stato condotto un confronto sistematico tra tecniche di degradazione nel dominio dell'immagine e nel dominio del sinogramma. I risultati hanno dimostrato che le immagini LDCT sintetiche generate tramite reti generative avversarie non appaiate (GAN) sono statisticamente comparabili alle acquisizioni cliniche reali, offrendo una soluzione scalabile ed economicamente vantaggiosa per l'augmentazione dei dati, senza richiedere dati appaiati che aumenterebbero l'esposizione radiologica dei pazienti. In secondo luogo, per affrontare il rilevamento dei noduli, la tesi ha introdotto un approccio innovativo che tratta le scansioni TC volumetriche 3D come sequenze video. Lo studio ha adattato il framework auto-supervisionato Video-MAE dal dominio video naturale al dominio medico. Backbone basati su transformer (Video-ViT e SwinUNETR) sono stati pre-addestrati su immagini LDCT toraciche non etichettate e successivamente ottimizzati per il rilevamento 3D dei noduli utilizzando il framework allo stato dell'arte nnDetection. Questo metodo ha dimostrato che sfruttare grandi quantità di dati non etichettati tramite apprendimento auto-supervisionato migliora significativamente le prestazioni di rilevamento (precisione media a IoU 0.1 dell'82,6%), anche in presenza di dati medici annotati limitati. In terzo luogo, riguardo alla classificazione della malignità dei noduli, la ricerca ha sviluppato un framework spiegabile basato sulla radiomica, progettato per i noduli rilevati in fase di screening. Un contributo fondamentale è stata la validazione di una strategia di addestramento cross-dominio mediante il dataset LIDC-IDRI: i modelli classificatori sono stati addestrati esclusivamente su immagini LDCT sintetiche e testati su dati LDCT reali non visti in precedenza (corrente del tubo ≤ 80 mAs). Il modello proposto, basato su caratteristiche radiomiche interpretabili, ha ottenuto prestazioni robuste (AUC 0,874) sul set di test, distinguendo con successo i noduli maligni da quelli benigni. Questa tesi conferma che l'utilizzo di immagini SDCT degradate rappresenta una strategia valida ed efficace per sviluppare strumenti generalizzabili per lo screening del cancro al polmone. Combinando la generazione di immagini sintetiche con il rilevamento auto-supervisionato avanzato e la classificazione spiegabile, questo lavoro apre la strada allo sviluppo di sistemi di IA accurati, riproducibili e clinicamente affidabili, in grado di supportare i radiologi nella diagnosi precoce del cancro al polmone.