Trattografia della sostanza bianca e segmentazione delle lesioni nei gliomi con PET e 18F-FDG: approcci metodologici per valutare l’effetto del danno metabolico sui circuiti neurali

Questo lavoro propone un approccio probabilistico per la segmentazione e l’analisi delle lesioni nei gliomi, integrando dati [18F]FDG-PET e MRI di diffusione in una pipeline che sfrutta Gaussian Mixture Model (GMM) e uno strumento per l’integrazione con un atlante di trattografia volto a mappare i principali fasci di sostanza bianca di nome Tractotron. L’obiettivo principale è identificare cluster tumorali a basso e alto metabolismo, generare mappe di probabilità voxel-wise e valutare il coinvolgimento dei principali fasci di sostanza bianca. Sono stati analizzati 45 pazienti con glioma sottoposti a PET/MR dinamica (60 min, 39 frame) e sequenze MPRAGE, T2, FLAIR ad alta risoluzione. Dopo il preprocessing e la normalizzazione SUVR, due metodi di clustering (K-means e GMM) sono stati confrontati: il K-means ha mostrato cluster spatialmente frammentati e poco congruenti con la morfologia lesionale, mentre il GMM ha estratto componenti chiaramente differenziate, con le componenti estreme sovrapposte rispettivamente alle aree necrotiche e a quelle ipermetaboliche. Le mappe binarizzate (soglia probabilità > 0.5) sono state trasformate nello spazio MNI e analizzate con Tractotron per calcolare la probabilità di disconnessione dei 68 fasci principali. I risultati evidenziano una variabilità inter-soggetto marcata e l’infiltrazione preferenziale di alcuni tratti (es. fascicolo cingolato, frontale-occipitale inferiore). Questo approccio fornisce un quadro dettagliato dell’eterogeneità metabolica e delle vie di diffusione nei gliomi, aprendo scenari per biopsie mirate e pianificazione pre-operatoria più personalizzata.