Scienze Mediche, Preventive E Della Nutrizione Per La Salute E La Longevità - 42 Ciclo

I tumori della ghiandola parotide rappresentano circa l'80% delle neoplasie delle ghiandole salivari. Nella grande maggioranza dei casi (circa l'80%) si tratta di formazioni benigne, come l'Adenoma Pleomorfo o il Tumore di Warthin, ma il restante 20% presenta una natura maligna e aggressiva, come il Carcinoma Mucoepidermoide. L'ecstrema eterogeneità istologica rende complessa la diagnosi preoperatoria tradizionale con indagini strumentali quali RMN o TAC con mdc e  agoaspirato (FNAC), esponendo il paziente al rischio di trattamenti demolitivi non necessari o a sotto-trattamenti oncologici. L'integrazione dell'Intelligenza Artificiale nei flussi radiologici risponde alla necessità clinica di disporre di una mappatura biologica preoperatoria oggettiva, accurata e non invasiva per distinguere precocemente la benignità dalla malignità.
L'obiettivo principale è sviluppare e validare un sistema di supporto decisionale non invasivo (Software as a Medical Device), basato su Deep Learning e Radiomica avanzata, per la differenziazione preoperatoria automatizzata tra tumori benigni e maligni della parotide. Il sistema mira a elaborare esami di Risonanza Magnetica (RM) multiparametrica per estrarre marker tissutali quantitativi e supportare lo specialista nella scelta della strategia terapeutica più idonea.
Il progetto prevede la creazione di un archivio digitale protetto che raccoglie le risonanze magnetiche dei pazienti. Su ogni esame, un medico esperto disegna con precisione i contorni del tumore in 3D. La certezza sulla reale natura del tumore viene data esclusivamente dall'analisi del tessuto effettuata in laboratorio dopo l'operazione. Un software avanzato analizza poi i dettagli invisibili all'occhio umano all'interno delle immagini, studiando la struttura e le caratteristiche della massa. Per addestrare l'Intelligenza Artificiale in modo equilibrato, vengono utilizzate tecniche matematiche per bilanciare i dati, dato che i tumori benigni sono molto più frequenti di quelli maligni. Il sistema viene infine tarato per ridurre al minimo gli errori, garantendo una precisione superiore al 95% nel riconoscere i tumori maligni e dell'85% nel confermare quelli benigni. Tutto lo sviluppo segue le severe leggi europee sulla sicurezza dei software medici e sulla trasparenza dell'Intelligenza Artificiale
Ci si attende lo sviluppo di un algoritmo validato in grado di classificare le lesioni parotidee con un'accuratezza predittiva complessiva superiore al 90%. Il risultato principale sarà la disponibilità di uno strumento software integrabile nei sistemi RIS/PACS ospedalieri, capace di fornire una stima probabilistica immediata e affidabile sulla natura (benigna o maligna) della patologia esaminata.
L'introduzione di questo sistema basato sull'AI permetterà di ottimizzare la pianificazione terapeutica personalizzata per i tumori della parotide, superando i tassi d'errore della citologia tradizionale. L'accuratezza nella differenziazione preoperatoria consentirà di azzerare i ritardi terapeutici nelle forme maligne, migliorando la qualità di vita del paziente e la gestione delle risorse sanitarie.