Matteo Disca - Istituto Nazionale di Fisica Nucleare
Transcript
Matteo Disca - Istituto Nazionale di Fisica Nucleare
Riassunto di tesi di Matteo Disca (matricola 770175) Relatore Grazia Gambarini Corso di laurea in FISICA Titolo dell'elaborato ANALISI MULTIPARAMETRICA CON RETE NEURALE NELL'INDAGINE RMN PER LA MAPPATURA DEL TUMORE DELLA PROSTATA Disca Matteo Matricola: 770175 ANALISI MULTIPARAMETRICA CON RETE NEURALE 1(//¶,1'$*,1(501 PER LA MAPPATURA DEL TUMORE DELLA PROSTATA /¶HVDPH GL 5LVRQDQ]D 0DJQHWLFD 1XFOHDUH 501 GHOOD SURVWDWD SHUPHWWH OD valutazione della SDWRORJLD WXPRUDOH GHOO¶RUJDQR IRUQHQGR LQIRUPD]LRQL QRQ VROR morfologiche ma, grazie a Spettroscopia in Risonanza Magnetica (SRM) e Diffusione (ADC, Apparent Diffusion Coefficient), anche di tipo funzionale e metabolico. L¶RJJHWWR GHO SUHVHQWH lavoro di tesi è stato lo studio combinato dei dati ottenuti da SRM e ADC QHOO¶HVDPH 501 della prostata per una localizzazione più precisa del WXPRUHDOO¶LQWHUQRGHOO¶RUJDQR FRQO¶RELHWWLYRGLLQGLYLGXDUHOHUHJLRQLGRYHHVHJXLUHLO prelievo bioptico e di pianificare una terapia mirata dello stesso. A tal fine i dati clinici GHULYDQWLGDOO¶DQDOLVLGHOOHLPPDJLQL sono stati analizzati confrontando diversi metodi di classificazione: statistica bayesiana, analisi discriminante e rete neurale. Lo studio è stato effettuato su una popolazione di pazienti di 25 uomini di età compresa tra 45 e 76 anni (età media 66 e mediana 69) FKH KDQQR VRVWHQXWR O¶HVDPH GL 50N presso la Fondazione IRCCS Istituto Nazionale dei Tumori di Milano. Di questi pazienti sono disponibili il Gleason Score, parametro istologico che esprime O¶DJJUHVVLYLWjGHOWXPRUHHGLO36$ Prostatic Specific Antigen), proteina secreta dalle FHOOXOHSURVWDWLFKHHODFXLSUHVHQ]DULOHYDQWHQHOVDQJXHqOHJDWDDGLVWXUELGHOO¶RUJDQR In questo lavoro GDOO¶HVDPH 5MN sono stati HVWUDWWL ORFDOPHQWH DOO¶LQWHUQR delle immagini della prostata i parametri diagnostici a disposizione, quali la distribuzione dei metaboliti secreti dalle cellule epiteliali in SRM HLYDORULGHOO¶$'&. A ciascuno dei 265 campionamenti ricavati GDOO¶DQDOLVL VRQR VWDWL DVVRFLDWL L ULVSHWWLYL UHIHUWL LVWRORJLFL locali. In caso di segnali GHJOL VSHWWUL GHOO¶+ molto rumorosi, sono state effettuate correzioni di tipo fisico agendo sulla regolazione dei filtri, sulla soppressione del VHJQDOHGHOO¶DFTXa, sulla baseline, o agendo sullo sfasamento. Nella prima fase del lavoro è stata studiata la correlazione dei parametri derivanti GDOO¶HVDPHSRM e ADC con il Gleason Score ed il PSA per individuare un eventuale legame fra questi due fattori fisiologici HTXHOOLRWWHQXWLGDOO¶HVDPHGL501 Successivamente per individuare un metodo possibile per la mappatura di eventuali aree WXPRUDOLDOO¶LQWHUQRGHOO¶RUJDQRinizialmente sono stati considerati i dati di SRM e ADC separatamente. Variando le singole soglie discriminanti sono stati quindi studiati sensibilità e specificità dei test. Sono state combinate infine le variabili di SRM e ADC LQ GLYHUVL PRGL XWLOL]]DQGR OD VWDWLVWLFD ED\HVLDQD O¶DQDOLVL GLVFULPLQDQWH Hd infine mediante lo sviluppo di una rete neurale. Per valutare la qualità di ognuno dei metodi statistici utilizzati, sono state analizzate le rispettive curve ROC (Receiciving Operating Characteristic), valutandone le aree sottese (AUC, Area Under the Curve). Dallo studio del Gleason Score si evidenzia come vi sia una correlazione tra il valore dello stesso ed il rispettivo valore di SRM, mentre non si evidenzia alcuna correlazione tra PSA e SRM. Il Gleason Score HGLO36$QRQULVXOWDQRHVVHUHFRUUHODWLFRQO¶$'& Le curve ROC, ottenute con tutti i 265 campionamenti a disposizione, valutate per i diversi metodi statistici studiati, sono mostrate in figura. I rispettivi valori di AUC sono riportati invece in tabella. Individuando una soglia di classificazione tale che il valore di sensibilità sia GHOO¶, sono mostrate inoltre le rispettive specificità. SRM + ADC SRM ADC U ŀ Analisi discriminante Rete neurale AUC Totale 0.85 0.87 - - 0.90 0.92 Specificità 68% 79% 51% 86% 81% 86% Sensibilità 85% 85% 96% 77% 85% 85% Il metodo proposWRFRQVHQWHGLLQGLYLGXDUHFRQXQ¶DFFXUDWH]]DPROWRHOHYDWDODPDODttia DOO¶LQWHUQRGHOODSURVWDWD la rete neurale risulta il sistema di classificazione più accurato. È in studio la possibilità di adottare tale metodo SHU O¶LQGLYLGXD]LRQH GHOOH UHJLRQL interne alla prostata dove eseguire il prelievo bioptico e per la pianificazione di sovradosaggi locali del tumore in radioterapia.