Impatto dei livelli di dose e dei parametri di ricostruzione sulle feature radiomiche: risultati preliminari da uno studio di biopsia polmonare TC-guidata = Impact of radiation dose levels and reconstruction parameters on CT radiomics features: preliminary findings from a pulmonary biopsy setting

Le feature radiomiche, oltre ad essere influenzate dai tratti biologici dei pazienti, risultano estremamente sensibili ai parametri di acquisizione e ricostruzione delle immagini di tomografia computerizzata (TC), come evidenziato in letteratura da studi su fantocci e indagini retrospettive, mentre mancano evidenze derivanti da studi prospettici in vivo. Le biopsie polmonari guidate da TC offrono il contesto ideale per valutare la robustezza delle feature radiomiche, poiché consentono di variare parametri tecnici come il livello di dose, il kernel di ricostruzione e l’intensità dell’algoritmo iterativo. L’obiettivo di questo lavoro di tesi è stato analizzare la stabilità, la riproducibilità e la ripetibilità delle feature radiomiche al variare dei parametri di acquisizione e ricostruzione. Inoltre, sono state condotte valutazioni sulla variabilità inter- e intra-osservatore, al fine di stimare l’impatto delle differenze di segmentazione sui valori radiomici. Le analisi sono state effettuate sulle acquisizioni TC di 35 pazienti, reclutati prospetticamente presso l’Azienda Ospedaliera Universitaria San Luigi Gonzaga di Orbassano. Una prima valutazione del contributo dei parametri tecnici alla variabilità delle caratteristiche è stata condotta mediante modelli di Machine Learning (ML). Le metriche poi utilizzate per le valutazioni della stabilità includono il Coefficient of Variation (CV) e il Quartile Coefficient of Dispersion (QCD); per la riproducibilità, il Concordance Correlation Coefficient (CCC) e il Reproducibility Coefficient (RDC); per la ripetibilità, l’Intra-class Correlation Coefficient (ICC), il within-subject Coefficient of Variation (wCV) e il Repeatability Coefficient (RC). Le valutazioni della variabilità inter- e intra-osservatore sono state condotte mediante l’indice di similarità DICE, il Relative Volume Difference (RVD) e il calcolo delle variazioni percentuali tra le feature estratte. Secondo i modelli ML, dose e kernel hanno mostrato un netto impatto sulla variabilità delle feature radiomiche (40 % e 53 %, rispettivamente), mentre l’iterativo ha avuto un effetto trascurabile (7 %). Difatti, l’iterativo è apparso altamente ripetibile (ICC mediano = 0.99). La stratificazione della dose ha evidenziato un’influenza maggiore della tensione [kV] (76 %) rispetto alla corrente [mA] (24 %), secondo i modelli ML. Le valutazioni di stabilità e riproducibilità hanno individuato una sensibilità significativa delle feature FIRST ORDER alla variazione della dose, mentre le feature di TEXTURE sono state significativamente influenzate dalle variazioni del kernel. I livelli di dose più alti (1, 2) e i kernel più morbidi (A, B) hanno garantito la maggiore robustezza. Delle 107 feature radiomiche inizialmente estratte, 26 sono risultate più robuste e la loro performance è stata confermata su due set di validazione con un accordo tra training e test sempre superiore al 90 %. Le valutazioni inter- e intra-osservatore hanno evidenziato un buon accordo, con DICE mediano superiore al 80 % e RVD assoluto mediano sempre inferiore al 20 % in entrambe le valutazioni. I risultati hanno identificato i parametri di acquisizione da ottimizzare per garantire la robustezza delle analisi radiomiche. La selezione delle feature radiomiche più robuste costituisce un buon punto di partenza per futuri sviluppi di biomarcatori stabili e riproducibili, favorendo sempre di più l’integrazione della radiomica nei contesti diagnostici-terapeutici reali.