Valutazione dell'impatto dei parametri di acquisizione e di elaborazione sulle caratteristiche radiomiche in RM mammaria

In recent years, artificial intelligence (AI) and big data techniques have been applied to many fields, including medicine. In this scope, radiomics is an emerging research field based on the extraction of high-dimensional data from radiological images aiming to develop clinical models for diagnosis, prognosis and evaluation of disease response to treatment. Breast cancer is the type of tumour with the highest incidence worldwide and about 15% of the cases is triple negative breast cancer, which is typically more aggressive and has a worse prognosis than other types of breast cancer. Magnetic resonance imaging (MRI) is usually used to detect it and to evaluate the response to treatment. Radiomics has shown promising results concerning tumour characterisation and prognosis and treatment response prediction, but it is still in the research phase and it is necessary to face some challenges before we can obtain a clinical translation. Among the main obstacles there is the absence of a strong consensus regarding the optimal procedure to analyse the medical images. Since the extracted radiomic features are affected by the choice of the processing parameters, the lack of standardisation implies a huge limit regarding the reproducibility of the results and the robustness of the models. The aim of this work is to evaluate the impact of acquisition and processing parameters over the robustness and the informative content of some radiomic features of significant interest by using magnetic resonance images of patients with triple negative breast cancer. In Chapter 1 the basics of radiomics and the context of this study are described. In Chapter 2 the dataset and the workflow of this study are described. In Chapter 3 the results are described and confronted with the scientific literature available. In Chapter 4 the final conclusions of this study are explained: some radiomic features are capable of separating the patients according to their therapy response and the values of radiomic features can be affected by the acquisition and processing parameters

Negli ultimi anni tecniche di intelligenza artificiale e big data sono state applicate in molti ambiti, incluso quello medico. In questo filone, la radiomica è un campo di ricerca emergente basato sull’estrazione di dati di grandi dimensioni dalle immmagini mediche al fine di sviluppare modelli da applicare in ambito clinico per la diagnosi, la prognosi e la valutazione della risposta a una terapia. I tumori alla mammella rappresentano il tipo di cancro con la più alta incidenza al mondo e circa il 15% di questi è di tipo triplo negativo, che tipicamente è più aggressivo e presenta una prognosi peggiore. Solitamente viene usata la risonanza magnetica per individuarli e per valutare l’efficacia della terapia. Al momento la radiomica ha dato risultati promettenti per quanto riguarda la caratterizzazione dei tumori e la predizione della prognosi e della risposta alla terapia, ma si trova ancora in una fase di ricerca ed è necessario affrontare una serie di sfide prima di poter passare all’applicazione clinica. Tra i principali ostacoli c’è la mancanza di un forte consenso sulle procedure ottimali per l’analisi delle immagini cliniche. Poiché le grandezze radiomiche estratte sono influenzate dalla scelta dei parametri di elaborazione delle immagini, la mancanza di standardizzazione comporta grandi limiti nella riproducibilità dei risultati e nella robustezza dei modelli. In questo lavoro, si indaga l’impatto dei parametri di acquisizione e di elaborazione delle immagini sulla robustezza e sul contenuto informativo di alcune grandezze radiomiche di particolare interesse utilizzando immagini di risonanza magnetica di pazienti con tumore alla mammella di tipi triplo negativo. Nel Capitolo 1 vengono descritte le basi teoriche dell’analisi radiomica e il contesto attorno al quale sviluppa questo studio. Nel Capitolo 2 vengono descritti il campione utilizzato e le procedure seguite per l’analisi radiomica. Nel Capitolo 3 vengono descritti i risultati ottenuti, confrontandoli anche con quelli presenti nella letteratura scientifica. Nel Capitolo 4 vengono tratte le conclusioni finali dai risultati: alcune grandezze radiomiche mostrano una buona capacità di discriminare le pazienti in base alla risposta alla terapia e i valori delle grandezze radiomiche considerate possono essere influenzati dai parametri di elaborazione e di acquisizione