Analysis and measurement of tumour heterogeneity through multi-modality imaging

Il cancro è tra le principali cause di morte al mondo. La necessità di biomarker efficaci e la consapevolezza dell'estrema complessità biologica dei tumori, che si riflette nella loro eterogeneità, hanno spinto per l'utilizzo di tecniche di imaging in grado di rilevarne gli aspetti biologici peculiari. La Tomografia Computerizzata perfusionale (TCp), la Risonanza Magnetica (RM) e la Tomografia ad Emissione di Positroni (PET) hanno mostrato risultati promettenti, tuttavia ostacolati dalla quasi assenza di approcci orientati ad un'analisi quantitativa dei biomarker e di opportune analisi dell'affidabilità dei dati. La prima parte della Tesi presenta argomenti e problematiche relativi ai biomarker finora utilizzati, e i contributi metodologici introdotti; la seconda parte della Tesi è dedicata alle applicazioni dei metodi sviluppati. È stata effettuata un'analisi dell'affidabilità dei valori perfusionali. A valle di questa, è stata indagata l'abilità dei parametri perfusionali a migliorare la caratterizzazione di due istotipi di carcinoma polmonare. È stato sviluppato un metodo automatico per classificare l'eterogeneità spazio-temporale, così come effettuato visivamente dai radiologi. È stato sviluppato un metodo basato sull'analisi locale per misurare l'eterogeneità tumorale ed il valore prognostico delle feature è stato preliminarmente valutato. Per fronteggiare l'elevata variabilità dei dati PET, è stato introdotto un metodo robusto in grado di dare una misura dell'elevata captazione di un tessuto. È stato sviluppato, quindi, un metodo per la segmentazione 3D da immagini PET. È stata eseguita un'analisi multi-modale dell'eterogeneità su tumori gastro-esofagei. L'eterogeneità di questi tumori è stata analizzata su immagini acquisite con PET/TC e PET/RM. Le texture feature derivate hanno mostrato una migliore efficacia nella valutazione della prognosi, rispetto a quella ottenuta con i parametri comunemente utilizzati. Infine, è stato sviluppato un algoritmo per il rilevamento delle regioni interne ai volumi tumorali, al fine di combinare informazioni multi-modali, ed è stato conseguentemente implementato un algoritmo di registrazione 3D.