“Development and Implementation of a Computed Tomography Radiomics Model for Predicting Clinical Outcomes in Lung Cancer Patients Treated with Immunotherapy.”

The advent of immune checkpoint inhibitors (ICIs) has transformed the treatment of non-small cell lung cancer (NSCLC), yet only a minority of patients achieve lasting benefits. Current tis- sue biomarkers (PD-L1, TMB) have limitations related to invasiveness and the inability to cap- ture tumor spatial heterogeneity. In this scenario, radiomics emerges as a noninvasive ”virtual biopsy” capable of extracting high-dimensional quantitative descriptors from standard medi- cal images. The aim of this study is to develop and validate a predictive framework based on radiomic features extracted from computed tomography (CT) scans to identify patients with NSCLC who achieve progression-free survival greater than six months (PFS6). The study also aims to evaluate the incremental predictive value resulting from the integration of radiomic data with clinical variables.

L’avvento degli inibitori dei checkpoint immunitari (ICI) ha trasformato il trattamento del car- cinoma polmonare non a piccole cellule (NSCLC), tuttavia solo una minoranza di pazienti ot- tiene benefici duraturi. I biomarcatori tissutali attuali (PD-L1, TMB) presentano limiti legati all’invasività e all’incapacità di catturare l’eterogeneità spaziale del tumore. In questo scenario, la radiomica emerge come una ”biopsia virtuale” non invasiva capace di estrarre descrittori quantitativi ad alta dimensionalità dalle immagini mediche standard. L’obiettivo di questo stu- dio è sviluppare e validare un framework predittivo basato su feature radiomiche estratte da tomografie computerizzate (CT) per identificare i pazienti con NSCLC che ottengono una so- pravvivenza libera da progressione superiore a sei mesi (PFS6). Lo studio mira inoltre a valutare il valore predittivo incrementale derivante dall’integrazione dei dati radiomici con le variabili cliniche.