Radiomica e Machine Learning nella diagnosi delle masse ovariche (Multi-AROMA)

La corretta diagnosi differenziale tra masse annessiali benigne e maligne è l’obiettivo principale della diagnostica ecografica preoperatoria ed è molto importante per pianificare il corretto trattamento per il paziente in termini di équipe chirurgica (ginecologo oncologo o centro di patologia benigna), accesso chirurgico (laparoscopia/laparotomia ) e tipologia di intervento (conservativo/demolitivo).

Sono stati sviluppati diversi modelli ecografici per aiutare i ginecologi a definire il rischio di malignità delle masse annessali. Per poter utilizzare i modelli predittivi, l'esaminatore doveva raccogliere alcune caratteristiche ecografiche della lesione che, integrate con le caratteristiche cliniche e/o biochimiche del paziente, fornissero un rischio di malignità della massa.

Recentemente la radiomica sta emergendo come uno strumento interessante da applicare alla diagnostica per immagini (tomografia computerizzata, risonanza magnetica e persino ultrasuoni). La radiomica è la valutazione di immagini attraverso complessi software che permettono di 'leggere' le caratteristiche intrinseche del tessuto individuando aspetti non visibili mediante interpretazione soggettiva dell'operatore, in modo completamente automatizzato e quindi riproducibile.

La radiomica applicata all'intelligenza artificiale per la creazione di modelli predittivi rappresenta uno strumento interessante per superare i limiti dei modelli precedenti, dipendenti almeno in parte dall'esperienza dell'operatore.

Tra i tumori ovarici sierosi, quelli con mutazione del gene BRCA rappresentano un sottogruppo interessante e sono caratterizzati da una storia fisiopatologica diversa rispetto ai tumori wild type per una maggiore chemiosensibilità e per la possibilità di trattamento mirato con farmaci antiangiogenici e inibitori di PARP.

L'applicazione della radiomica alle immagini ecografiche preoperatorie potrebbe identificare i tumori BRCA mutati prima della pianificazione chirurgica (analisi radiogenomica) e consentire un trattamento personalizzato.

Lo scopo dello studio è quello di validare un modello predittivo per definire il rischio di malignità delle masse annessiali che i ricercatori hanno sviluppato presso la Fondazione IRCCS Istituto Nazionale dei Tumori di Milano.

Il modello, basato sull'integrazione di radiomica e intelligenza artificiale, si avvale di complessi software in grado di 'leggere' le immagini ecografiche in modo del tutto automatico ed è in grado di stimare il rischio di malignità della massa.

Se la paziente decide di partecipare allo studio clinico, verrà sottoposta ad ecografia transvaginale (eventualmente integrata da ecografia transaddominale in caso di grandi masse annessiali, se le pazienti sono vergini o se le pazienti rifiuteranno l'approccio transvaginale per qualsiasi motivo). Questo esame fa parte della valutazione preoperatoria di routine per la patologia annessiale e pertanto i pazienti non devono sottoporsi ad alcun ulteriore esame clinico, biochimico o di imaging, secondo le linee guida nazionali e internazionali.

Successivamente, le immagini memorizzate durante l'ecografia preoperatoria verranno esportate in formato anonimo dall'ecografo e inviate al centro di coordinamento (Fondazione IRCCS Istituto Nazionale dei Tumori di Milano). Lì le immagini verranno sottoposte ad analisi radiomica attraverso l'applicazione di un software dedicato; ciò consentirà di valutare le caratteristiche intrinseche del tessuto secondo diversi parametri (forma, intensità, grado di eterogeneità e molti altri) dei 'pixel' (punti grigi) che costituiscono l'immagine ecografica.

Questa analisi, una volta convalidata, fornirà ai medici uno strumento aggiuntivo per identificare le masse annessiali maligne prima dell'intervento chirurgico.

Se la diagnosi istologica finale è di cancro epiteliale ovarico sieroso, attraverso l'uso dello stesso software radiomico sopra descritto gli investigatori cercheranno di identificare le caratteristiche intrinseche del tessuto associate alla presenza o assenza della mutazione BRCA 1 o 2