Intelligenza artificiale nel carcinoma ovarico correlato all'endometriosi e chirurgia di precisione nel carcinoma ovarico correlato all'endometriosi (ATENA)

L'endometriosi (EMS) è una condizione ginecologica cronica, invalidante e infiammatoria che colpisce il 10-15% delle donne in età riproduttiva. L'EMS è caratterizzato da lesioni del tessuto simile all'endometrio al di fuori dell'utero che coinvolgono il peritoneo pelvico e le ovaie. Inoltre, a volte si osservano focolai distanti. Sfortunatamente, l'eziologia dell'EMS è poco conosciuta. Sebbene non maligno, l'EMS condivide caratteristiche simili con il cancro, come lo sviluppo di focolai locali e distanti, la resistenza all'apoptosi e l'invasione di altri tessuti con conseguente danno agli organi bersaglio. Inoltre, i pazienti con EMS (in particolare EMS ovarico) hanno mostrato un rischio elevato (da 3 a 10 volte circa) di sviluppare carcinoma ovarico epiteliale (EOC). Studi epidemiologici, morfologici e molecolari hanno riportato l'endometrioma come precursore dell'EOC, incluso il carcinoma endometrioide a cellule chiare (CCC), entrambi chiamati "carcinoma ovarico correlato all'EMS (EROC)". Ad oggi, non è chiaro perché l'EMS benigno causi una trasformazione maligna. Questo processo in più fasi, a differenza dei carcinomi sierosi di alto grado, offre la possibilità di identificare i precursori del carcinoma consentendo una diagnosi precoce e nelle prime fasi della malattia.

L'EOC è il tumore ginecologico femminile più letale con il 25% di sopravvivenza globale a 5 anni (OS), a causa della mancanza di efficaci strumenti di screening, e si diffonde rapidamente su tutta la superficie peritoneale (carcinosi) coinvolgendo quindi tutti gli organi addominali. La diagnosi e la stadiazione clinica dell'EOC viene attualmente eseguita mediante valutazione qualitativa dell'immagine sebbene la sensibilità/specificità non sia ottimale. Ad oggi, i fattori diagnostici, di stadiazione e prognostici sono fortemente correlati con la formazione alla valutazione soggettiva e l'esperienza clinica.

L'analisi genomica basata su Next Generation Sequencing (NGS) ha rivelato la presenza di mutazioni geniche associate al cancro nell'EMS. Inoltre, il processo infiammatorio cronico dell'EMS coinvolge molti fattori, come ormoni, citochine, glicoproteine ​​e fattori angiogenici, che dovrebbero diventare i primi biomarcatori dell'EMS.

Un nuovo promettente ramo della ricerca sul cancro è l'uso dell'intelligenza artificiale (AI) per riconoscere nuovi modelli di immagini e texture e/o rilevare nuovi biomarcatori per migliorare l'identificazione precoce dei pazienti EROC. L'intelligenza artificiale non è mai stata utilizzata per EROC e vogliamo verificare se questi metodi/tecniche possono supportare e persino migliorare la diagnostica attuale e la valutazione del rischio. L'intelligenza artificiale verrà utilizzata per costruire un nuovo modello di valutazione del rischio 3D basato su immagini e volume di interesse