Please use this identifier to cite or link to this item: https://hdl.handle.net/1889/4259
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorSverzellati, Nicola-
dc.contributor.authorMilanese, Gianluca-
dc.date.accessioned2021-04-08T09:17:08Z-
dc.date.available2021-04-08T09:17:08Z-
dc.date.issued2021-
dc.identifier.urihttps://hdl.handle.net/1889/4259-
dc.description.abstractIl tumore del polmone è una delle più importanti cause di morte a livello mondiale, nel cui percorso diagnostico un ruolo centrale è svolto dall’imaging, in particolare dalla tomografia computerizzata (TC). Nella maggior parte dei casi, al primo riscontro di un nodulo polmonare - la più frequente manifestazione di una neoplasia polmonare - non è possibile definire il comportamento biologico di tale lesione, rendendosi necessaria sia una valutazione longitudinale sia ulteriori approfondimenti diagnostici (es. caratterizzazione bioptica, indagini funzionali mediante PET). Tradizionalmente, la caratterizzazione del nodulo polmonare da parte del Medico Radiologo è basata sull’analisi delle dimensioni e sull’identificazione di caratteristiche morfologiche compatibili con un comportamento biologico maligno, con risultati condizionati dall’esperienza dell’operatore. Una branca sviluppatasi recentemente nell’ambito della ricerca scientifica radiologica – definita Radiomica – prevede l’estrazione di parametri quantitativi, definiti “features radiomiche”, che vengono analizzati con l’obiettivo di creare modelli predittivi del comportamento biologico delle lesioni, indipendenti dall’esperienza dell’operatore. L’obiettivo del presente lavoro di tesi è stato quello di creare un modello predittivo del comportamento biologico di noduli polmonari identificati mediante TC; in particolare, sono stati inclusi e comparati soggetti con riscontro anatomo-patologico di adenocarcinomi polmonari, metastasi da tumori extra-polmonari (rene, colon, endometrio) e lesioni dal comportamento biologico benigno (amartomi). 851 “features radiomiche” sono stati estratte dalle lesioni polmonari mediante software dedicato, e tramite sistemi di machine learning sono stati creati modelli di predizione del comportamento biologico della lesione, per distinguere le lesioni tra adenocarcinomi, metastasi e amartomi (ROC-AUC pari al 73%). Inoltre, un modello predittivo integrato - comprensivo di parametri clinici e radiomici - ha mostrato una performance più elevata nella stratificazione della prognosi dei soggetti con adenocarcinoma polmonare (C-index pari a 0.74 e 0.81, rispettivamente per soggetti con adenocarcinoma in tutti gli stadi e soggetti con adenocarcinoma in stadio I), rispetto a modelli esclusivamente clinici o radiomici.en_US
dc.language.isoIngleseen_US
dc.publisherUniversità degli Studi di Parma. Dipartimento di Medicina e chirurgiaen_US
dc.relation.ispartofseriesDottorato di ricerca in Scienze mediche e chirurgiche traslazionalien_US
dc.rights© Gianluca Milanese, 2021en_US
dc.subjectTumore del polmoneen_US
dc.subjectTomografia Computerizzataen_US
dc.subjectImaging quantitativoen_US
dc.subjectRadiomicaen_US
dc.titleCt-radiomics for lung cancer risk and stratification of prognosis in adenocarcinomaen_US
dc.typeDoctoral thesisen_US
dc.subject.soggettarioNon compilare-
dc.subject.miurMED/36en_US
Appears in Collections:Scienze chirurgiche, Tesi di dottorato

Files in This Item:
File Description SizeFormat 
PhD_Milanese Gianluca_Relazione triennale.pdf
  Restricted Access
Relazione triennale - Milanese Gianluca723.43 kBAdobe PDFView/Open Request a copy
PhD_Milanese Gianluca_TESI.pdf1.41 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.