IDENTIFICAZIONE E ANALISI DI CELLULE TUMORALI CIRCOLANTI (CTC) DEL CARCINOMA POLMONARE MEDIANTE SPETTROSCOPIA RAMAN ASSISTITA DA METODI DI INTELLIGENZA ARTIFICIALE.

Il carcinoma polmonare è la principale causa di mortalità oncologica, spesso aggravata da diagnosi tardive. Questa tesi esplora l’uso della spettroscopia Raman combinata con algoritmi di intelligenza artificiale, al fine di identificare cellule tumorali circolanti (CTC) nel sangue differenziandole dai leucociti. In particolare, sono state analizzate cinque linee cellulari tumorali - A549, H1299, H1650, H1915, SA549 – insieme ai leucociti utilizzati come controllo negativo, raccogliendo 125 spettri per ciascuna linea cellulare. Per la classificazione sono stati impiegati metodi di pre-processing avanzati e modelli di machine learning, includendo un approccio che combina la Principal Component Analysis (PCA) per la riduzione della dimensionalità con la Linear Discriminant Analysis (LDA) per ottimizzare la separazione tra le classi. I risultati hanno evidenziato un'accuratezza superiore al 96%, dimostrando l'efficacia della tecnica nel supportare la diagnosi precoce e la caratterizzazione fenotipica delle CTC.