Dottorato in Fisiopatologia Medica

Contatti

Supervisore

Mauro Maccario

Tesi di dottorato

 

RUOLO DELL'ECOGRAFIA MORFOLOGICO-QUANTITATIVA NELLA DIFFERENZIAZIONE DEI TESSUTI TIROIDEI. CONCORDANZA CON DATI CLINICI, ANATOMO-PATOLOGICI E BIOCHIMICI. 

Uno dei principali problemi che si trova ad affrontare un' ecografista della patologia tiroidea è quello di riuscire a trasformare un'impressione soggettiva in un qualche valore oggettivo in modo da poter essere meglio compreso da chi recepisce il messaggio ecografico.  Ad esempio, valutando una formazione nodulare ipoecogena, quanto è ipoecogena? Quanto è disomogenea? Noi abbiamo cercato di affrontare questi problemi. Il nostro progetto fa parte di un mean-project della cosiddetta "intelligenza artificiale" applicata alla diagnostica ecografica tiroidea.  Rappresenta  la parte fondamentale perché prevede la costruzione di un modello e di un algoritmo diagnostico che ci permetta di differenziare la struttura dei tessuti nodulari tiroidei benigni da quelli maligni.

Il main-project è la costruzione di un'intelligenza artificiale, ossia di una macchina che non sostituisce l'uomo ma  lo affianca  nell'eseguire determinate operazioni. Nella fattispecie, la macchina dovrebbe aiutare il medico ecografista in una diagnosi di differenziazione,  per quanto possibile oggettiva, dei nodi  benigni da quelli maligni. L'oggettivazione di questo percorso, a differenza della soggettività del giudizio del medico,  consiste nel rendere in grado la macchina di esprimere in termini numerici probabilistici quella che può essere l'ipotesi diagnostica.

Il nostro progetto è quello di sviluppare un software  diagnostico ecografico tiroideo, che ci permetta di analizzare tutti i segni ecografici, di  catalogarli e quantificarli (con un lavoro molto impegnativo di operatori esperti) in modo che la macchina possa avere un bagaglio storico di informazioni semplice, preciso, schematico riferito alle patologie nodulari tiroidee benigne e maligne.

Quando saremo nella fase della verifica pratica del progetto, l'intelligenza artificiale, sulla base di algoritmi  di analisi tissutale (ce ne sono almeno una 50ina, utilizzeremo quello a noi più funzionale), confronterà il segno legato all'esame ecografico estemporaneo con  il- i segni simili riferiti alla patologia  tiroidea benigna e maligna, producendo un'ipotesi diagnostica sulla benignità o malignità dei nodi con probabilità differenti (ex: 70% neoplasia, 30% nodo di struma).

 Il nostro progetto dal punto di vista operativo consta di due momenti:

a) Costruzione del modello operativo

Appropriata, completa e schematica descrizione dei segni ecografici riferiti alle varie tessiture nodulari tiroidee benigne e maligne.

b)  Costruzione dell'algoritmo

Realizzazione delle procedure informatiche necessarie per classificare i vari segni ecografici e attribuirli "pesati" (sia in funzione di fattori intrinseci al segno stesso che fattori  estrinseci), per  compiere le operazioni di confronto fra esame estemporaneo e l'archivio della banca dati della macchina e le procedure informatiche per esprimere in termini probabilistici l'ipotesi diagnostica.

Costruzione del MODELLO

1)      Soggetti

Il campione da studiare  proviene, nelle fasi iniziali del progetto,  dalle  circa 1000 immagini contenute  in un archivio privato di un Centro Endocrinologico (dott. Garberoglio, Sedes Sapientiae, responsabile del progetto), e da  circa 300 immagini provenienti dall'archivio delle Molinette. Tutte queste formazioni nodulari  sono già inquadrate dal punto di vista diagnostico nell'ambito della patologia tiroidea (funzionalità), tutte   con  una diagnosi citologica e/o istologica dirimente, tutti eseguiti con le stesse modalità e procedure. 

Durante la seconda fase  del progetto la banca dati sarà ulteriormente implementata dalle immagini che saranno ottenute durante la normale attività clinica ecografica e di agoaspirato ambulatoriale del Nostro Centro (stimiamo circa 500 immagini nodulari ecografiche annue che avranno un'analisi citologica e/o istologica).

2)      Materiali e metodi

Il progetto prevede l'uso di un ecografo ad alta tecnologia (Ecografo Esaote My Lab ) con sonda ad alta risoluzione (13 MHz), dotato di tutti gli algoritmi e software indispensabili per questo tipo di progetto.

Tutte le formazioni nodulari presenti nell'archivio della Sedes Sapientiae e delle Molinette presentano già una diagnosi funzionale tiroidea e sono state sottoposte a indagine citologica e/o istologica.

Nel caso delle immagini reclutate durante il normale svolgimento dell'attività clinica,  tutte saranno inquadrate dal punto di vista diagnostico (funzionalità ed eventualmente anticorpi) e a tutte sarà effettuata una diagnosi citologica (attraverso FNAB) e, nel caso di  intervento chirurgico,  di analisi istologica.

Tutte le immagini sono state ottenute con la stessa sonda, software ed apparecchiatura.

Criteri di inclusione:

-Immagini ecografiche inquadrate dal punto di vista funzionale nell'ambito della patologia tiroidea (con normofunzione-ipofunzione) e sottoposte ad indagine citologica (TIR1c, TIR2, TIR4, TIR5) e/o istologica dirimente (struma, carcinoma papillifero, follicolare, midollare, anaplastico). Nel caso del TIR3, saranno inclusi solo i noduli con analisi istologica dirimente.

Criteri di esclusione:

-Immagini ecografiche non inquadrate dal punto di vista funzionale tiroideo, non sottoposte ad analisi citologica e/o istologica, oppure con analisi citologica non dirimente (TIR1, TIR3 non andati incontro ad intervento chirurgico e quindi senza diagnosi istologica).

-Immagini ecografiche non adeguate ad un'analisi tissutale corretta (esame ecografico non ben eseguito).

 

Durante la prima fase del progetto saranno selezionate, a partire da una diagnosi citologica e/o istologica, una serie di immagini morfologiche, vascolari, elastosonografiche relative  a:

1. Patologia nodulare strumigena eutiroidea/ipotiroidea (150 casi)
2. Patologia nodulare neoplastica eutiroidea/ipotiroidea (carcinoma capillifero, follicolare, midollare, anaplastico) (50 casi) 

Nel 1 anno si selezionano immagini di circa 150 strumi e  50 carcinomi dalla banca dati, nel secondo anno proseguiremo arruolando pazienti dal Nostro Centro (500 casi/anno), nel terzo anno continueremo ad arruolare una quota dei pazienti.

Da ogni immagine morfologica, vascolare, elasto saranno  estratti i vari elementi di semeiotica che caratterizzano ogni tipologia di immagine, riferite ai vari tipi di malattia, istologicamente e/o citologicamente categorizzati.

Gli elementi di semiotica  analizzati sono quelli ritenuti più significativi secondo la letteratura e secondo la nostra esperienza. Verranno valutate:  l'ecogenicità, la struttura, i margini, le calcificazioni, la forma, la vascolarizzazione, e l'elastosonografia. Per quanto riguarda le dimensioni, al momento non riteniamo utile, al fine del progetto, che consiste in una analisi tissutale, lo studio volumetrico del nodo.

Ogni elemento sarà scomposto in elementi secondari relativi ai vari aspetti morfologici che può presentare, ossia, sarà ricategorizzata in rapporto a vari gradi o tipi di  caratterizzazione tessutale.

Utilizzando le centinaia di immagini  che possediamo nei nostri archivi, riferite schematicamente e chiaramente alle varie forme di malattie costituiremo l'archivio storico della macchina.

Operativamente l'integrazione fra i medici ecografisti che faranno questo lavoro di analisi e scomposizione dei segni e gli ingegneri che dovranno costruire gli algoritmi che confrontano un indagine ecografica con la banca dati avviene in questa fase.

Infatti gli algoritmi della macchina, ogni volta che analizzeranno una immagine, si confronteranno, segno per segno, patologia per  patologia, con i modelli della banca dati.

Avremo dei segni ecografici che corrisponderanno esclusivamente alla patologia neoplastica, dei segni che corrisponderanno esclusivamente alla patologa benigna, e un probabile numero di segni che corrisponderanno a entrambe le malattie (con percentuali differenti).

Nel primo anno la banca dati sarà costituita da modelli patologici tipici (con nodi che presentano segni ecografici  per quanto possibile esclusivi di benignità e malignità). A partire dal secondo anno la banca dati sarà progressivamente implementata con l'inserimento anche con modelli patologici non tipici (con nodi che presentano segni  ecografici non esclusivi di patologia benigna o maligna).

 Costruzione dell'ALGORITMO

La seconda fase (a partire dal 2 anno)  del nostro progetto prevede la costruzione di un algoritmo, che avverrà in collaborazione con gli ingegneri del politecnico di Torino (responsabile: ing. Molinari).

Tale algoritmo sarà, concettualmente costituito da due parti distinte, ma operanti in sinergia:

1)      Valutazione numerica del singolo caso: si effettuerà una valutazione percentuale di ogni singolo segno in riferimento alla patologia nodulare benigna e maligna della nostra banca dati (Ex. Quante micro calcificazioni ci sono nel nodo benigno? 10%. Quante nel maligno? 70%). Questi dati, che derivano dalla valutazione percentuale dei segni della nostra banca dati, saranno modificati introducendo dei pesi (sommando o sottraendo delle percentuali dalla banca dati). I pesi sono relativi sia ad imput intrinseci al segno stesso (derivanti dai dati della letteratura, dalla nostra esperienza e da quanto emerge dalla disamina dei casi) e da imput estrinseci (legati all'età, al genere, ai principali fattori di rischio: pregressa irradiazione in regione del collo e famigliarità).

2)      Classificazione ed aggiornamento in funzione di un vasto database: costruzione della vera intelligenza artificiale utilizzando una strategie differenti (per esempio utilizzando una rete statistica bayesiana, che può rappresentare la relazione esistente tra "segni" e le malattie, o utilizzando classificatori basati su reti neurali, o su metodica fuzzy). 

La classificazione avviene mediante riferimento al nostro un database di casi pre-valutati, che viene costantemente aggiornato con l'inserimento di ogni nuovo caso. La tecnica di classificazione, quindi, prevede sia il confronto del caso in esame con lo storico, che l'aggiornamento dello storico medesimo  e fornirà in uscita una indicazione di tipo quantitativo in termini probabilistici.

Parte del deficit di prestazioni degli attuali approcci di classificazione risiede nella tendenza ad utilizzare solamente pochi dati di ingresso. Al contrario, il presente progetto si propone di ricavare, per ogni caso, una descrizione numerica quanto più possibile ampia, esaustiva e correlata alla semeiotica clinica. Questo dovrebbe limitare le misclassificazioni e dovrebbe, in misura significativa, migliorare l'attribuzione di ogni caso ad una classe ben precisa.

 

Attività di ricerca