Sviluppo di un modello di machine learning basato su dati clinici e radiomici estratti da TC con mezzo di contrasto per la predizione della microinvasione vascolare nell'epatocarcinoma.

Background: Hepatocellular carcinoma (HCC) represents a global health challenge and is responsible for over 720.000 deaths worldwide each year. Among the predictors of poor outcomes in HCC, microvascular invasion (mVI) is a critical factor, influencing both early recurrence and overall survival. Despite its significance, its pre-operative assessment remains an unmet need. This retrospective study aims to explore the potential of radiomic analysis applied to contrast-enhanced computed tomography (CECT) images for the non-invasive prediction of mVI in HCC patients who underwent liver resection regardless of imaging equipment and protocols. Materials and Methods: 109 naïve nodules in 99 patients with HCC who underwent liver resection at Padua University Hospital between March 2013 and December 2021 were included in the study. 174 radiomic features were extracted from each nodule on both arterial and portal phases of pre-operative CECT images using a highly standardised radiomic software, i.e., S-IBEX. The radiomic-based prediction of mVI with and without the inclusion of clinical data was realized by means of LASSO logistic regression. Results: The radiomic-based models demonstrated promising performance in the prediction of mVI, with the best models achieving an area under the curve (AUC) of 0.83-0.77 in the development and validation cohort, respectively. These results are comparable with recent meta-analyses, suggesting the feasibility of using radiomic features derived from non-standardised preoperative CECT imaging for mVI prediction. Conclusion: This study demonstrates that, while standardisation of image acquisition protocols is desirable for radiomic studies for reproducibility purposes, more efforts should be invested in the exploration of models based on non-standardized imaging. Such an approach is both feasible and more aligned with everyday clinical practice. However, further research in larger, multi-institutional cohorts is needed to validate these promising results and overcome the limitations associated with retrospective single-centre studies.

Background: Il carcinoma epatocellulare (HCC) rappresenta una sfida sanitaria globale ed è responsabile di oltre 720.000 decessi nel mondo ogni anno. Tra i predittori di esiti sfavorevoli nell'HCC, l'invasione microvascolare (mVI) è un fattore critico, influenzando sia la recidiva precoce che la sopravvivenza globale. Nonostante la sua importanza, non vi sono ancora strumenti per predirla con accuratezza preoperatoriamente. Questo studio retrospettivo mira a esplorare il potenziale dell'analisi radiomica applicata alle immagini di tomografia computerizzata con contrasto (CECT) per la previsione non invasiva di mVI nei pazienti con HCC sottoposti a resezione epatica, indipendentemente dalle apparecchiature e dai protocolli di imaging utilizzati. Materiali e Metodi: Lo studio ha incluso 109 noduli di HCC naive in 99 pazienti sottoposti a resezione epatica presso l'Ospedale Universitario di Padova tra marzo 2013 e dicembre 2021. Dalle TC preoperatorie sono state estratte 174 feature radiomiche da ciascun nodulo sia in fase arteriosa che portale attraverso S-IBEX. I modelli predittivi di mVI a partire da dati radiomici, con e senza l'inclusione di dati clinici, è stata realizzata mediante regressione logistica LASSO. Risultati: I modelli basati sulla radiomica hanno dimostrato prestazioni promettenti nella previsione della mVI, con i migliori modelli che hanno raggiunto un'area sotto la curva (AUC) di 0.83-0.77 rispettivamente nella coorte di sviluppo e in quella di validazione. Questi risultati sono comparabili con recenti meta-analisi, suggerendo la fattibilità dell'utilizzo di caratteristiche radiomiche derivate da imaging CECT pre-operatorio non standardizzato per la previsione della mVI. Conclusione: Questo studio dimostra che, sebbene la standardizzazione dei protocolli di acquisizione delle immagini sia auspicabile per studi radiomici ai fini della riproducibilità, maggiori sforzi dovrebbero essere investiti nell'esplorazione di modelli basati su imaging non standardizzato. Tale approccio è sia fattibile sia più allineato con la pratica clinica quotidiana. Tuttavia, ulteriori ricerche in coorti più ampie e multi-istituzionali sono necessarie per convalidare questi risultati promettenti e superare le limitazioni associate agli studi retrospettivi a centro singolo.