Intelligenza artificiale

Jul 26, 2023

Ricerca medica militare volume 10, numero articolo: 22 (2023) Citare questo articolo

2095 accessi

1 Citazioni

3 Altmetrico

Dettagli sulle metriche

La medicina moderna fa affidamento su varie tecnologie di imaging medico per l'osservazione non invasiva dell'anatomia dei pazienti. Tuttavia, l’interpretazione delle immagini mediche può essere altamente soggettiva e dipendere dall’esperienza dei medici. Inoltre, alcune informazioni quantitative potenzialmente utili contenute nelle immagini mediche, soprattutto quelle non visibili ad occhio nudo, vengono spesso ignorate durante la pratica clinica. Al contrario, la radiomica esegue l'estrazione di caratteristiche ad alto rendimento dalle immagini mediche, che consente l'analisi quantitativa delle immagini mediche e la previsione di vari endpoint clinici. Gli studi hanno riferito che la radiomica mostra prestazioni promettenti nella diagnosi e nella previsione delle risposte e della prognosi del trattamento, dimostrando il suo potenziale come strumento ausiliario non invasivo per la medicina personalizzata. Tuttavia, la radiomica rimane in una fase di sviluppo poiché numerose sfide tecniche devono ancora essere risolte, soprattutto nell’ingegneria delle caratteristiche e nella modellazione statistica. In questa recensione, presentiamo l’attuale utilità della radiomica riassumendo la ricerca sulla sua applicazione nella diagnosi, prognosi e previsione delle risposte al trattamento nei pazienti affetti da cancro. Ci concentriamo sugli approcci di apprendimento automatico, per l'estrazione e la selezione delle caratteristiche durante l'ingegneria delle caratteristiche e per set di dati sbilanciati e fusione multimodale durante la modellazione statistica. Inoltre, introduciamo la stabilità, riproducibilità e interpretabilità delle caratteristiche e la generalizzabilità e interpretabilità dei modelli. Infine, offriamo possibili soluzioni alle sfide attuali nella ricerca radiomica.

Il cancro è una malattia devastante che colpisce molte persone in tutto il mondo [1]. I tumori cancerosi iniziano come un piccolo gruppo di cellule neoplastiche che possono trovarsi all'interno di un'intricata rete di tessuti e organi interni, il che rende difficile la diagnosi di tali tumori (ad esempio, carcinoma nasofaringeo) nelle loro fasi iniziali [2]. Inoltre, tumori dello stesso tipo e stadio possono comportarsi in modo notevolmente diverso in pazienti diversi, quindi è fondamentale che siano disponibili metodi per monitorare la crescita del tumore, per assistere i medici nella prescrizione di trattamenti antitumorali e per valutare le risposte al trattamento nei singoli pazienti. 3].

A questo proposito, l’imaging medico, come la tomografia computerizzata (CT), la risonanza magnetica (MRI), la tomografia a emissione di positroni (PET) e l’ecografia (US), è indispensabile per rilevare la presenza e monitorare la crescita del cancro e valutare risposte al trattamento. Diverse modalità di imaging catturano diverse proprietà degli organi interni. Ad esempio, la TC rileva cambiamenti anatomici negli organi, come la calcificazione arteriosa [4]; La risonanza magnetica visualizza il contrasto dei tessuti molli e il sistema muscolo-scheletrico [5]; e la PET cattura i cambiamenti funzionali e metabolici nei tessuti o negli organi [6]. Gli agenti di contrasto vengono spesso impiegati per migliorare la visualizzazione del contrasto tra le intensità del segnale nelle immagini di tessuti normali e anomali (come i tumori). Tuttavia, il giudizio clinico basato sull'ispezione visiva senza ausilio delle immagini può richiedere molte risorse, dipende dall'esperienza dei medici e potrebbe non riuscire a rilevare tutte le informazioni all'interno del volume tridimensionale (3D) di un tumore.

La radiomica è recentemente emersa come una soluzione promettente a questi problemi, poiché prevede l'estrazione e l'analisi ad alto rendimento di caratteristiche quantitative ad alta dimensione da immagini mediche multimodali [7], che consente di catturare in modo non invasivo l'eterogeneità intratumorale [8] . Gli studi basati sulla radiomica consistono nelle seguenti sei fasi: acquisizione dell'immagine, preelaborazione dell'immagine, segmentazione dell'immagine, estrazione delle caratteristiche, selezione delle caratteristiche e costruzione e valutazione del modello [9]. I passaggi chiave sono quelli coinvolti nell'ingegneria delle caratteristiche (cioè, estrazione e selezione delle caratteristiche) e nella modellazione statistica (cioè, costruzione e valutazione del modello) e sono attualmente al centro degli sforzi della maggior parte dei ricercatori. Inoltre, negli ultimi anni sono stati compiuti notevoli progressi nell’ingegneria delle caratteristiche e nella modellazione statistica. Ad esempio, è ora noto che le caratteristiche radiomiche sono correlate con la diagnosi e la prognosi del tumore, quindi i ricercatori hanno utilizzato il metodo mRMR (minimal redundancy maximal aware), l'operatore di contrazione e selezione assoluta minimo (LASSO) e altre tecnologie per selezionare le caratteristiche radiomiche predittive . Hanno anche utilizzato classificatori come la macchina a vettori di supporto (SVM) e la foresta casuale (RF) per costruire modelli basati sulla radiomica. Numerosi studi hanno anche costruito modelli basati sulla radiomica per, ad esempio, aiutare nella diagnosi del cancro, nella prognosi e nella previsione delle risposte al trattamento. Questi modelli hanno dimostrato la possibilità di sviluppare una stratificazione del rischio e un trattamento personalizzato per i pazienti, che potrebbe portare alla realizzazione della medicina di precisione. Tuttavia, nonostante questi progressi nel campo della radiomica, restano da risolvere diversi problemi chiave.