AFFILIAZIONE
irccs istituto tumori giovanni paolo ii
AUTORE PRINCIPALE
Dr Massafra Raffaella
VALUTA IL CHALLENGE[ratingwidget]
GRUPPO DI LAVORO
Bove Samantha – irccs istituto tumori giovanni paolo ii, bari
Comes Maria Colomba – irccs istituto tumori giovanni paolo ii, bari
Fanizzi Annarita – irccs istituto tumori giovanni paolo ii, bari
Dr Massafra Raffaella – irccs istituto tumori giovanni paolo ii, bari
AREA TEMATICA
Applicazioni di intelligenza artificiale in sanità
ABSTRACT
In seguito ad una diagnosi di cancro al seno, le pazienti si sottopongono ad esami diagnostici aggiuntivi volti ad individuare precocemente possibili metastasi linfonodali. In particolare, per le pazienti clinicamente negative, quindi risultate negative agli esami clinici e strumentali, è mandatoria la biopsia del linfonodo sentinella, un’accurata tecnica intraoperatoria che, tuttavia, risulta essere dispendiosa e può indurre importanti effetti collaterali. La nostra ricerca si è posta l’obiettivo di sviluppare un modello di intelligenza artificiale che possa predire lo stato del linfonodo sentinella di tali pazienti, in modo accurato, assolutamente non invasivo e non dispendioso, utilizzando esclusivamente dati comunemente raccolti nella pratica clinica. A tal proposito, abbiamo individuato un campione di 142 pazienti afferenti all’Istituto Tumori “Giovanni Paolo II” di Bari, e per tali pazienti abbiamo collezionato sia le variabili cliniche ed istologiche, sia un’immagine ecografica del tumore primario acquisita da un radiologo esperto in fase di diagnosi. Per ogni paziente, l’immagine originale è stata processata al fine di ottenere quattro differenti regioni di interesse (ROI), quali originale, intratumorale, peritumorale e combinata, dalle quali sono state successivamente estratte features radiomiche, cioè caratteristiche che permettono di descrivere le caratteristiche tessiturali, ma anche quantitative ed esemplificative della distribuzione dei livelli di grigio all’interno dell’immagine. Successivamente, per ogni ROI, il potere discriminante delle variabili cliniche e delle caratteristiche radiomiche più significative è stato valutato, dapprima separatamente e poi congiuntamente, sia in cross-validation che su un test indipendente. Il modello predittivo da noi sviluppato analizzando congiuntamente variabili cliniche e caratteristiche radiomiche estratte dalla ROI originale è risultato altamente performante: le prestazioni ottenute sul test indipendente, quindi, accuratezza, sensitività e specificità pari rispettivamente a 82.1%, 100% e 78.2%, confermano i risultati ottenuti in cross-validation. Essendo l’ecografia la tecnica più economica, oltre che la meno invasiva e quella utilizzata di routine nella pratica clinica, il nostro risulta essere un approccio particolarmente accurato, non invasivo e assolutamente non dispendioso per la predizione dello stato del linfonodo sentinella, capace di supportare il radiologo già in fase di diagnosi.
