• Carcinoma colorettale
• Features
• Radiomica
• Risonanza magnetica
• Risposta patologica completa
• Segmentazione immagini
• Trattamento neoadiuvante

Il carcinoma colorettale (CRC) è una delle neoplasie più diffuse a livello mondiale ed è tra le principali cause di incidenza e mortalità per cancro. Nel 2022, si è classificato al terzo posto per nuovi casi e al secondo posto per decessi, secondo i dati GLOBOCAN. All'interno di questa categoria, il tumore del retto rappresenta una porzione significativa, contribuendo al 31% delle neoplasie del grande intestino, subito dopo i tumori del colon prossimale, che ne costituiscono il 39%.
Questa tesi si propone l’obbiettivo di sviluppare un modello di machine learning basato sull'analisi radiomica delle immagini di risonanza magnetica (RM) acquisite dopo trattamenti neoadiuvanti per individuare la risposta patologica completa (pCR) nei pazienti affetti da carcinoma del retto.
Nello studio sono stati inclusi pazienti con carcinoma del retto localmente avanzato trattati presso l’Azienda Ospedaliera Universitaria Pisana. Sono stati analizzati retrospettivamente i dati ottenuti da RM post-trattamento neoadiuvante. I risultati suggeriscono che le features radiomiche estratte dalle immagini RM possono fornire informazioni utili per la individuazione della risposta patologica completa e quindi per una ottimale personalizzazione delle strategie terapeutiche. La radiomica emerge così come uno strumento promettente per migliorare la gestione clinica nei pazienti con carcinoma del retto.