Sviluppo di un biomarcatore tramite intelligenza artificiale, basato su immagini di anatomia patologica digitale, per la predizione della risposta patologica nei pazienti con cancro del retto. = Development of an Artificial Intelligence-Based Biomarker using digital pathology Images for predicting pathological response in rectal cancer patients.

L’obiettivo principale di questa tesi è lo sviluppo di un possibile biomarcatore predittivo della risposta patologica alla terapia neoadiuvante nei pazienti affetti da cancro del retto, a partire da immagini di anatomia patologica digitale. Il lavoro è stato condotto su due versioni di un dataset di immagini ottenute da biopsie endoscopiche: un dataset completo, contenente tutte le tiles, e una versione filtrata, da cui sono state escluse le tiles corrispondenti a tessuto di background. In entrambi i casi, le immagini erano già state pre-processate e rappresentate tramite feature quantitative estratte con tecniche di elaborazione delle immagini. È stata sviluppata una pipeline modulare che include fasi di pulizia, normalizzazione, aggregazione, selezione delle feature e classificazione supervisionata. Le feature sono state aggregate a livello di paziente tramite medie o statistiche descrittive. La selezione delle feature è stata condotta utilizzando metodi statistici e non statistici, tra cui Recursive Feature Elimination (RFE), MRMR (Minimum Redundancy Maximum Relevance), correlazione assoluta con la variabile target, Affinity Propagation e Principal Component Analysis (PCA). Successivamente, sono stati addestrati diversi classificatori, tra cui Support Vector Machine, Random Forest, Gradient Boosting, Naïve Bayes, Stochastic Gradient Descent e K-Nearest Neighbors, valutando l’efficacia di ciascuna combinazione metodo di selezione–classificatore. Le performance predittive sono state valutate tramite validazione incrociata ripetuta, considerando metodi di bilanciamento delle classi. I risultati hanno mostrato che le migliori performance sono state ottenute sul dataset filtrato (privo di tiles che contengono background), in particolare con la combinazione MRMR–Random Forest, che ha raggiunto valori elevati di AUC (area under the ROC curve) e bilanciamento tra sensibilità e specificità. Anche la combinazione PCA–Naïve Bayes ha mostrato buoni risultati, pur con minore stabilità. L’analisi ha evidenziato che l’esclusione delle tiles di background può migliorare la qualità dell’apprendimento automatico, presumibilmente riducendo il rumore informativo. Per favorire l’interpretabilità dei modelli, sono stati impiegati gli SHAP values (SHapley Additive exPlanations), che hanno permesso di analizzare l’influenza delle singole feature nel processo decisionale dei classificatori. Tuttavia, le feature identificate come più rilevanti da SHAP non coincidono pienamente con quelle selezionate durante la fase di feature selection, suggerendo una possibile presenza di outlier o ridondanze che alterano la percezione di importanza da parte dei modelli. Nel complesso, le analisi condotte rappresentano un passo verso lo sviluppo di strumenti automatici e interpretabili basati su dati di anatomia patologica digitale, con potenziali applicazioni cliniche nell’individuazione di biomarcatori predittivi di risposta terapeutica.