Tesi etd-06192025-100224 |
Link copiato negli appunti
Tipo di tesi
Tesi di laurea magistrale LM6
Autore
POLLASTRINI, ALESSIO
URN
etd-06192025-100224
Titolo
Predizione degli outcome post-chirurgici nella patologia aneurismatica dell’aorta addominale: ruolo dell’analisi radiomica sull’angio-TC preoperatoria
Dipartimento
RICERCA TRASLAZIONALE E DELLE NUOVE TECNOLOGIE IN MEDICINA E CHIRURGIA
Corso di studi
MEDICINA E CHIRURGIA
Relatori
relatore Prof.ssa Cioni, Dania
Parole chiave
- aneurisma aorta addominale
- angioTC
- endoleak
- EVAR
- features
- machine learning
- reintervento
Data inizio appello
15/07/2025
Consultabilità
Non consultabile
Data di rilascio
15/07/2095
Riassunto
L’aneurisma dell’aorta addominale è una dilatazione localizzata ed irreversibile del calibro dell’aorta, nel suo decorso all’interno della cavità addominale, superiore o uguale ad almeno 3 cm. Dal punto di vista anatomico, gli aneurismi dell’aorta addominale vengono classificati in soprarenali, pararenali e sottorenali rispetto all’origine delle arterie renali. La classificazione morfologica distingue aneurismi fusiformi e sacciformi. Il colletto dell’aneurisma è la porzione di aorta che mantiene il calibro normale e che è compresa tra la dilatazione aneurismatica e l’origine dell’arteria renale più caudale. Ogni anno in Italia vengono effettuate 27000 nuove diagnosi ed è causa di 6000 decessi. Tale condizione è più frequente nel sesso maschile ed è associata maggiormente a fattori di rischio quali il fumo di sigaretta, l’ipertensione arteriosa, le dislipidemie e patologie genetiche come la sindrome di Marfan. Il diabete mellito ha un ruolo protettivo nei confronti della patologia. Il fumo di sigaretta è associato anche ad un tasso di crescita maggiore nel tempo.
L’AAA decorre in maniera asintomatica o paucisintomatica fino al sopraggiungere di complicanze. La complicanza più frequente è la rottura dell’aneurisma che si presenta con ipotensione, dolore al fianco o lombare e massa pulsante in addome. Nell’80% dei casi di rottura di aneurisma dell’aorta addominale, il paziente va incontro a decesso prima dell’arrivo in ospedale.
La diagnosi è strumentale e si avvale dell’esame ecocolordoppler ed angioTC, quest’ultimo fondamentale per la pianificazione chirurgica. L’intervento chirurgico in elezione è indicato per diametri superiori a 5.5 cm nell’uomo e 5 cm nella donna e può essere fatto con tecnica open oppure per via endovascolare (EndoVascular Aneurysm Repair, EVAR). La procedura endovascolare è gravata da un minor tasso di mortalità ma un più alto tasso di complicanze e di reintervento a 5 anni. La complicanza più frequente è la comparsa di endoleak, ossia un rifornimento della sacca aneurismatica per via diretta o per via reflua.
L’angioTC rappresenta il gold standard per la pianificazione chirurgica dei pazienti con aneurisma dell’aorta addominale ed è indicata in tutti i pazienti sintomatici e nei pazienti asintomatici con una dilatazione significativa individuata allo screening ecografico. Tale esame consente di valutare i diametri anteroposteriore e trasversale, morfologia e diametro del colletto, presenza di trombosi e di calcificazioni parietali.
Questo progetto si propone come obiettivo di sviluppare un modello di machine learning basato sull’analisi radiomica delle immagini angioTC preoperatorie, al fine di individuare i pazienti che richiederanno un reintervento correttivo a seguito della riparazione endovascolare. Nello studio sono stati inclusi 157 pazienti sottoposti ad EVAR presso l’unità di Chirurgia Vascolare dell’Azienda Ospedaliera Universitaria Pisana nel periodo tra il 2016 ed il 2024 e seguiti con un follow-up di almeno 6 mesi. Le immagini da cui sono state estratte le features sono state segmentate manualmente col software open source 3D Slicer 5.8.1.
Il modello di machine learning sviluppato ha ottenuto una AUC-ROC di 0.71, con una sensibilità del 52% ed una specificità del 76%. Tale risultato ha un potenziale impatto nella pratica clinica per quanto riguarda la possibilità di stratificare il rischio di reintervento post-EVAR a partire dall’imaging preoperatorio e potrebbe quindi rappresentare un ulteriore elemento decisionale per la scelta del tipo di intervento chirurgico da proporre al paziente.
L’AAA decorre in maniera asintomatica o paucisintomatica fino al sopraggiungere di complicanze. La complicanza più frequente è la rottura dell’aneurisma che si presenta con ipotensione, dolore al fianco o lombare e massa pulsante in addome. Nell’80% dei casi di rottura di aneurisma dell’aorta addominale, il paziente va incontro a decesso prima dell’arrivo in ospedale.
La diagnosi è strumentale e si avvale dell’esame ecocolordoppler ed angioTC, quest’ultimo fondamentale per la pianificazione chirurgica. L’intervento chirurgico in elezione è indicato per diametri superiori a 5.5 cm nell’uomo e 5 cm nella donna e può essere fatto con tecnica open oppure per via endovascolare (EndoVascular Aneurysm Repair, EVAR). La procedura endovascolare è gravata da un minor tasso di mortalità ma un più alto tasso di complicanze e di reintervento a 5 anni. La complicanza più frequente è la comparsa di endoleak, ossia un rifornimento della sacca aneurismatica per via diretta o per via reflua.
L’angioTC rappresenta il gold standard per la pianificazione chirurgica dei pazienti con aneurisma dell’aorta addominale ed è indicata in tutti i pazienti sintomatici e nei pazienti asintomatici con una dilatazione significativa individuata allo screening ecografico. Tale esame consente di valutare i diametri anteroposteriore e trasversale, morfologia e diametro del colletto, presenza di trombosi e di calcificazioni parietali.
Questo progetto si propone come obiettivo di sviluppare un modello di machine learning basato sull’analisi radiomica delle immagini angioTC preoperatorie, al fine di individuare i pazienti che richiederanno un reintervento correttivo a seguito della riparazione endovascolare. Nello studio sono stati inclusi 157 pazienti sottoposti ad EVAR presso l’unità di Chirurgia Vascolare dell’Azienda Ospedaliera Universitaria Pisana nel periodo tra il 2016 ed il 2024 e seguiti con un follow-up di almeno 6 mesi. Le immagini da cui sono state estratte le features sono state segmentate manualmente col software open source 3D Slicer 5.8.1.
Il modello di machine learning sviluppato ha ottenuto una AUC-ROC di 0.71, con una sensibilità del 52% ed una specificità del 76%. Tale risultato ha un potenziale impatto nella pratica clinica per quanto riguarda la possibilità di stratificare il rischio di reintervento post-EVAR a partire dall’imaging preoperatorio e potrebbe quindi rappresentare un ulteriore elemento decisionale per la scelta del tipo di intervento chirurgico da proporre al paziente.
File
Nome file | Dimensione |
---|---|
La tesi non è consultabile. |