Radiomics: from medical imaging to precision medicine. Development of advanced tools for texture analysis and implementation of AI techniques for prognostic modelling in oncology.

In the biomedical field, radiomics is a highly promising and prolific discipline that explores the quantification, by means of radiomic features, of biomedical imaging for predictive and prognostic purposes. The identification of radiomic features that could act as imaging biomarkers and their integration with clinical and molecular data will lead to the creation of innovative tools for precision medicine. The main hamper to its clinical translation consists in the low reproducibility of radiomic studies, linked both to imaging data and software aspects. Shared standardization guidelines, references, and benchmarking tools are essential to overcome this issue. In this field, the aim of this PhD research project was threefold, namely the development of a feature-extraction tool focused on standardization and reproducibility aspects, its validation and comparison with literature’s alternatives, and its employment for radiomic clinical research. After an introduction to the topic, in Chapter 2 the work of development and standardization of the tool, called S-IBEX, will be presented, together with my own personal contributions to a global standardization effort of convolutional filters’ implementation and application within radiomic. Subsequently, Chapter 3 will describe the comparison work between S-IBEX and other standardized software programs available in the literature, an analysis that required the design of a novel benchmarking approach based on new specific tools. The investigation confirmed the high standardization level achieved across programs but also identified discrepancies that should be addressed to ensure a transparent interchangeability of the radiomic software. In Chapter 4, the usage of S-IBEX in three clinical research studies will be discussed. S-IBEX-derived radiomic features allowed to capture prognostic information contained within biomedical images in the settings of 1) locally advanced breast cancer for the prediction of 5-year overall survival, 2) prostate cancer for the prediction of biochemical recurrence and 3) hepatocellular carcinoma for the non-invasive assessment of vascular invasion.

In ambito biomedico, la radiomica è un’area di ricerca altamente promettente e prolifica, dedita alla quantificazione, per mezzo delle cosiddette ‘feature radiomiche’, dell’imaging biomedicale allo scopo di creare modelli predittivi e prognostici di supporto alla decisione clinica. L’identificazione di feature che fungeranno da biomarcatori e la loro integrazione con dati clinici e molecolari porterà alla creazione dei futuri strumenti utili alla medicina di precisione. Ad oggi, il principale ostacolo a questa traslazione è costituito dalla bassa riproducibilità degli studi di radiomica, riproducibilità legata sia al dato di imaging che al software di analisi impiegato. Linee guida standardizzate, riferimenti condivisi e strumenti di benchmark sono elementi essenziali per superare questo scoglio. In quest’ambito, l’obbiettivo del progetto di dottorato è stato triplice, ossia lo sviluppo di un software per l’estrazione di feature radiomiche che puntasse sulla standardizzazione e riproducibilità dei risultati, quindi la sua validazione e confronto con le alternative presenti in letteratura e infine e il suo impiego per progetti di ricerca clinica. Dopo un’introduzione all’argomento, nel secondo capitolo verrà presentato il lavoro di realizzazione e standardizzazione dello strumento, chiamato S-IBEX, insieme ai contributi dell’autore ad un’iniziativa globale di standardizzazione riguardante l’implementazione e l’applicazione del filtraggio convoluzionale in radiomica. Successivamente, nel terzo capitolo, verrà esposto il lavoro di confronto tra S-IBEX e altri strumenti presenti in letteratura, confronto che ha richiesto la progettazione di un nuovo approccio di benchmark basato su nuovi strumenti creati appositamente. L’indagine ha evidenziato l’alto livello di standardizzazione raggiunto tra i software, ma ha altresì identificato discrepanze che dovranno essere affrontate per garantire l’intercambiabilità del software radiomico. Nel quarto capitolo sarà infine presentato l’impiego di S-IBEX in tre studi di ricerca clinica. Le feature radiomiche da esso ricavate hanno permesso di quantificare l’informazione prognostica contenuta all’interno delle immagini biomedicali negli ambiti 1) del cancro della mammella in stadio localmente avanzato per la predizione della sopravvivenza a 5 anni, 2) del cancro alla prostata per la predizione della ricorrenza biochimica e 3) del carcinoma epatocellulare per la valutazione dell’invasione vascolare.