Radiomica e AI: leggere nelle immagini diagnostiche ciò che l'occhio non vede

Nel campo dell'intelligenza artificiale in diagnostica per immagini, la radiologia sta vivendo una rivoluzione che spinge i confini dell'osservazione umana molto oltre la semplice interpretazione visiva. Ogni immagine radiologica – che sia una Tomografia Computerizzata (TC), una Risonanza Magnetica (RMN) o una Tomografia a Emissione di Positroni (PET) – nasconde una quantità di dati microscopici che l'occhio clinico non può cogliere direttamente. È in questo spazio che si inserisce la radiomica, una disciplina che, supportata dai sistemi di radiology ai, trasforma le immagini mediche in vere e proprie miniere di dati quantitativi. Ma cos'è esattamente la radiomica e in che modo l'ai radiologia sta ridefinendo il percorso diagnostico e terapeutico, in particolar modo in ambito oncologico? Scopriamolo analizzando le potenzialità di questa tecnologia emergente.

La radiomica è il processo di estrazione di un numero elevato di caratteristiche quantitative (dette "feature") dalle immagini biomediche. Questo approccio si basa sul presupposto che le immagini diagnostiche contengano informazioni sull'eterogeneità, sulla forma, sul volume e sulla texture dei tessuti che riflettono la loro biologia a livello cellulare e molecolare.

Fino a poco tempo fa, la valutazione di una TC o di una RMN era qualitativa e soggettiva, dipendente dall'esperienza del radiologo. Oggi, i software di radiomics ai riescono a estrarre centinaia di parametri matematici dai voxel (i pixel tridimensionali) di un'immagine. Questi parametri vengono poi elaborati da algoritmi di machine learning per creare "firme radiomiche" associate a specifici fenotipi tumorali, alterazioni genetiche o risposte cliniche.

L'integrazione tra intelligenza artificiale e radiomica è fondamentale. Mentre la radiomica fornisce i dati grezzi, è la radiology ai a interpretarli. Gli algoritmi di intelligenza artificiale analizzano le correlazioni complesse tra le feature estratte e i dati clinici del paziente (come la sopravvivenza o la risposta ai farmaci).

Inoltre, l'adozione di strumenti di ai radiology reporting sta automatizzando parte del flusso di lavoro, supportando il medico nella stesura del referto attraverso l'evidenziazione automatica di anomalie e la fornitura di misurazioni oggettive. Questo non sostituisce il ruolo dello specialista, ma lo dota di un "secondo lettore" instancabile capace di fornire un supporto decisionale basato sui dati quantitativi.

L'applicazione più promettente di queste tecnologie riguarda l'analisi dei tumori solidi. La radiomica in oncologia sta dimostrando il suo valore come biomarcatore di imaging non invasivo, capace di supportare la diagnosi e la personalizzazione dei trattamenti. A differenza della biopsia tissutale, che analizza solo un frammento del tumore, l'analisi radiomica tumore offre una visione tridimensionale e globale dell'intera massa neoplastica, inclusa la sua eterogeneità spaziale.

I vantaggi principali in ambito oncologico includono:

• Stadiazione più accurata: Identificazione di micro-infiltrazioni tissutali non visibili a occhio nudo.
• Predizione della risposta terapeutica: Capacità di prevedere se un paziente risponderà positivamente a specifici trattamenti (es. chemioterapia o farmaci a bersaglio molecolare) prima ancora di iniziare la cura.
• Valutazione prognostica: Utilizzo delle firme radiomiche per stimare il rischio di recidiva o la sopravvivenza globale. 

Focus: Tumore polmonare non a piccole cellule (NSCLC) 

Nel contesto del carcinoma polmonare non a piccole cellule (NSCLC), l'intelligenza artificiale sta cambiando l'approccio diagnostico. I modelli radiomici applicati alle TC toraciche permettono non solo di caratterizzare i noduli polmonari sospetti (differenziando lesioni benigne da maligne con elevata accuratezza), ma anche di correlare le feature dell'immagine allo stato mutazionale del tumore (ad esempio, lo stato del recettore EGFR), offrendo preziose informazioni per indirizzare le terapie biologiche in modo tempestivo.

Nonostante la forte associazione con l'oncologia, le applicazioni della radiomica si estendono anche alle patologie cardiovascolari e respiratorie, come l'ipertensione arteriosa polmonare (PAH). In questa patologia complessa, l'analisi radiomica delle immagini del cuore (RMN cardiaca) e del parenchima polmonare (TC) consente di quantificare il rimodellamento vascolare e la disfunzione ventricolare destra con una precisione inedita. I modelli di AI possono integrare questi dati morfologici e funzionali per prevedere il peggioramento clinico del paziente, supportando lo specialista nel monitoraggio non invasivo della progressione della malattia e nell'ottimizzazione del percorso terapeutico.