PREDIZIONE PREOPERATORIA DELL'INFILTRAZIONE DEGLI SPAZI LINFOVASCOLARI (LVSI) NEL CARCINOMA DELL'ENDOMETRIO MEDIANTE MODELLI DI MACHINE LEARNING

Lymphovascular space invasion (LVSI) in endometrial carcinoma is a fundamental prognostic factor, as it is closely associated with the risk of lymph node metastasis and recurrence. However, LVSI is currently diagnosable only post-surgery, thereby limiting the possibility of planning personalized pre-operative treatment for patients. The project chosen from the IRCCS Cancer Institute 'Giovanni Paolo II', aims to overcome this limitation to improve risk stratification by providing a decision-support tool that could guide clinicians regarding lymph node assessment or alternative therapeutic approaches. The goal is not to identify variables that determine whether a patient has cancer, but rather to develop a predictive model capable of estimating the presence of tumor cell invasion into the lymphatic system; transforming in this way the data that was previously strictly post-operative into a valuable pre-operative assessment tool. Starting from a database of 68 oncology patients and 36 parameters, preliminary data preprocessing was performed, followed by a univariate and bivariate descriptive statistical analysis with boxplots and histograms generated in MATLAB. Then, the most significant clinical, ultrasound, histopathological, and molecular variables were identified and selected using the LASSO feature selection embedded within a Stratified 5-Fold Cross-Validation framework. Three supervised classification models were then trained and evaluated for predicting LVSI; among these non-linear tree-based models demonstrating the best performance by identifying a predictive core of variables and achieving an AUC of approximately 0.70. This project represents the baseline clinical-pathological module in current medical practice: the preliminary phase that shows the results that can be achieved using standard parameteres alone and that lays the foundation for the development of a more complex and advanced radiomics model.

L'infiltrazione degli spazi linfovascolari (LVSI) nel carcinoma dell'endometrio è un fattore prognostico fondamentale in quanto risulta essere strettamente associato al rischio di metastasi linfonodali e recidiva. Attualmente, però, l’LVSI è diagnosticabile solo post-intervento chirurgico, limitando così la possibilità di pianificare cure personalizzate per le pazienti prima dell'operazione. Questo lavoro di tesi, condotto presso l’IRCCS Istituto Tumori "Giovanni Paolo II", si propone di superare tale limite, con l’effetto di migliorare la stratificazione del rischio, fornendo uno strumento di supporto decisionale che potrebbe orientare i medici su una eventuale valutazione linfonodale o su un diverso approccio terapeutico. L’obiettivo finale non è quindi quello di cercare delle variabili che permettono di capire se una paziente ha o non ha il tumore, ma di sviluppare un modello predittivo in grado di stimare la presenza di infiltrazione delle cellule tumorali nell’apparato linfatico e trasformare così un dato finora post-operatorio in un utile mezzo di valutazione pre-operatoria. A partire da un database di 68 pazienti oncologici e 36 parametri, si è svolto un preliminare preprocessing dei dati, seguita da un’analisi statistica descrittiva univariata e bivariata, corredata di grafici boxplot e istogrammi generati in ambiente MATLAB. In seguito, sono state identificate e selezionate le variabili cliniche, ecografiche, istopatologiche e molecolari maggiormente significative, tramite la funzione selection LASSO integrata in una Stratified 5-Fold Cross-Validation. Sono stati poi addestrati e valutati tre modelli di classificazione supervisionata per la predizione dell’LVSI, con il risultato che i modelli non lineari ad albero hanno mostrato le prestazioni migliori, individuando un predictive core di variabili e raggiungendo un'AUC di circa 0.70. Questo progetto costituisce il cosiddetto modulo di baseline clinico-patologico nella pratica medica attuale, ossia la fase preliminare che dimostra quali risultati siano raggiungibili con i soli indicatori standard, ponendo così le basi per il successivo sviluppo di un modello radiomico più complesso e avanzato.