Segmentazione subregionale del tumore basata sulle caratteristiche di perfusione CEUS: miglioramento della diagnosi del tumore al seno

Il cancro al seno è uno dei tumori più diffusi tra le donne a livello globale e la sua crescente incidenza rappresenta una minaccia significativa per la salute delle donne. Nonostante i notevoli progressi nella diagnosi precoce e nel trattamento dovuti al continuo progresso della tecnologia medica, l’elevata eterogeneità all’interno del cancro al seno si traduce ancora in una notevole variabilità nelle manifestazioni cliniche, nelle risposte al trattamento e nella progressione della malattia. Questa diversità presenta nuove sfide per ottenere un trattamento preciso. Pertanto, un’esplorazione e uno studio approfonditi dell’eterogeneità del cancro al seno sono cruciali per sviluppare modelli diagnostici più efficaci, promuovere strategie di trattamento e aumentare i tassi di guarigione.

Nella pratica clinica attuale, sebbene la biopsia sia ampiamente utilizzata per la diagnosi di tumori mammari benigni o maligni, la sua accuratezza e completezza sono alquanto limitate a causa della complessa eterogeneità interna del cancro mammario e della natura invasiva della procedura. Negli ultimi anni, la diagnosi qualitativa preoperatoria del cancro al seno utilizzando la tecnologia di imaging medico è diventata un tema caldo nella ricerca. Rispetto ad altre tecniche di imaging comuni come la TC e la RM, l'esame ecografico è ampiamente utilizzato per la sua sicurezza, praticità e costi inferiori. In particolare, la tecnologia ad ultrasuoni con contrasto (CEUS), con la sua risoluzione temporale superiore, può illustrare vividamente i dettagli dell'emodinamica della perfusione del tumore, rivelando efficacemente caratteristiche chiave come i modelli di potenziamento, l'afflusso di sangue e l'invasione vascolare del tumore.

Questo studio è dedicato all'utilizzo di video CEUS dinamici per raggruppare le caratteristiche di perfusione a livello di pixel all'interno del tumore e dividere il tumore in diverse sottoregioni in base ai risultati del clustering. Esploreremo la correlazione tra queste sottoregioni di perfusione e la diagnosi di tumori al seno benigni o maligni e, sulla base di ciò, svilupperemo modelli diagnostici correlati. Questo approccio diagnostico non invasivo mira a estrarre e utilizzare al massimo i dati dell'immagine, catturando in modo completo le caratteristiche di perfusione del tumore a livello di pixel e riducendo i giudizi soggettivi nel processo diagnostico. Si prevede che l'applicazione di questo metodo non solo migliorerà l'accuratezza della diagnosi del cancro al seno, ma fornirà anche un maggiore supporto informativo per il trattamento personalizzato dei pazienti, promuovendo così il progresso nel campo del trattamento del cancro al seno.