Ricerc@Sapienza

Introduzione: La diffusione di cellule tumorali attraverso lo spazio aereo (STAS - spread through air spaces) si sta affermando sempre più come fattore prognostico indipendente nell'adenocarcinoma polmonare. E' già stato osservato che nei pazienti con adenocarcinoma STAS positivo, una resezione polmonare minone si associa ad un maggior rischio di recidiva locale e minore sopravvivenza globale rispetto ai pazienti sottoposti a lobectomia polmonare. Pertanto poter predire la presenza di STAS a partire dalle caratteristiche radiologiche del tumore potrebbe fornire importanti informazioni al chirurgo per la corretta scelta terapeutica.
Obiettivi: Obiettivo dello studio è predire la presenza di STAS in pazienti affetti da adenocarcinoma del polmone attraverso l'analisi delle immagini TC preoperatorie con tecniche di radiomica e machine-learning.
Materiali e metodi: Un gruppo di 100 pazienti, 50 STAS positivi e 50 STAS negativi, già sottoposti ad intervento chirurgico presso il nostro reparto, è stato incluso nella fase preliminare di training. Dalle immagini preoperatorie dei pazienti verranno estratte delle features di radiomica utilizzando il software Dicom-tools, un programma sviluppato dall'Istituto Nazionale di Fisica Nucleare e già applicato in lavori precedenti. Successivamente si procederà ad addestrare un classificatore con apprendimento supervisionato per predire la presenza o assenza di STAS a partire dal dato istologico già noto, testando vari modelli e scegliendo quello con accuratezza e AUC migliore.
Nella fase successiva dello studio, il modello scelto verrà testato su 50 nuovi pazienti consecutivi affetti da adenocarcinoma polmonare per predire la presenza di STAS.
Risultati: I risultati verranno analizzati per verificare l'adeguatezza del modello predittivo nella valutazione preoperatoria di STAS e verificare l'impatto che questo può avere sulla pratica clinica.