PIANO NAZIONALE DI RIPRESA E RESILENZA ‐ MISSIONE 4- COMPONENTE 2 - INVESTIMENTO 1.1

PROGETTI DI RICERCA DI RILEVANTE INTERESSE NAZIONALE (PRIN) - BANDO PRIN 2022 PNRR

PROGETTI FINANZIATI - UNIVERSITÀ DEGLI STUDI DI CASSINO E DEL LAZIO MERIDIONALE
Acronimo PICTURE
ID Progetto P2022P3CXJ
Titolo Progetto Pathological response AI-driven prediCTion after neoadjUvant theRapiEs in NSCLC
Responsabile Scientifico locale MARROCCO - Claudio
Programma di finanziamento PRIN 2022 PNRR
Ente finanziatore MIUR
Ruolo responsabile Partner
Finanziamento totale del progetto
299.760,00_€
Finanziamento per UNICAS
78.600,00_€
ID CALL PRIN 2022 PNRR
Abstract Progetto Background Il cancro del polmone non a piccole cellule (NSCLC) ha il più alto tasso di morbilità e mortalità a livello mondiale. Solo circa il 20%-30% dei casi di cancro polmonare di nuova diagnosi possono essere sottoposti a intervento chirurgico con intento curativo. Inoltre, molti hanno un alto rischio di recidiva (25%-70%) a causa delle micrometastasi preoperatorie. La risposta patologica completa (pCR) è una misura diretta della risposta del tumore alle terapie neoadiuvanti valutata al momento dell'intervento ed è definita come l'assenza di cellule tumorali in tutti i campioni. Potrebbe avere un potenziale ruolo prognostico ed essere un endpoint surrogato per il controllo locale e la sopravvivenza. Dopo le terapie di induzione, l’analisi patologica post-operatoria documenta un pCR compreso tra il 9%-63%. La chemioterapia e la chemioradioterapia sono state valutate nel contesto neoadiuvante, ma l’aumento della morbilità chirurgica rappresenta oggi una limitazione importante che espone i pazienti a interventi chirurgici inutili e invasivi. Considerazioni simili valgono per la crescente chemioimmunoterapia. Ipotesi La nostra ipotesi centrale è che i dati medici eterogenei costituiti da immagini radiologiche, immagini istologiche, citologia e dati molecolari e cartelle cliniche elettroniche (EHR) siano coerenti con il pCR, quindi la loro combinazione utilizzando l'intelligenza artificiale (AI) può fornire una previsione accurata del pCR. Questa ipotesi è stata formulata sulla base di dati preliminari e dell'evidenza che i biomarcatori multimodali scoperti dai metodi di intelligenza artificiale possono fornire informazioni fenotipiche e prognostiche. Obiettivi Abbiamo intenzione di testare la nostra ipotesi centrale perseguendo i seguenti tre obiettivi: 1. Valutare il ruolo dell'imaging radiologico di base, dell'imaging istologico, dei dati citologici e molecolari e degli EHR e la loro combinazione per prevedere il pCR. 2. Portare avanti il ​​deep learning multimodale (MDL) per elaborare meglio i dati multimodali, rendendo le prestazioni dell’intelligenza artificiale resilienti e robuste per cercare la firma quantitativa per la previsione pCR. 3. Fornire spiegazioni sulle decisioni prese dall'IA per migliorare la fiducia e la trasparenza utilizzando i modelli eXplainability AI (XAI). Disegno sperimentale Lo studio sarà uno studio prospettico, osservazionale, a due centri e arricchito dall'inclusione di dati retrospettivi. Saranno inclusi pazienti con diagnosi patologica di NSCLC agli stadi II e III, i cui dati vengono raccolti di routine nella pratica clinica (obiettivo 1). Costruiremo e convalideremo modelli MDL su misura per prevedere la pCR (obiettivo 2). Inoltre, svilupperemo e convalideremo gli approcci XAI per spiegare i risultati (obiettivo 3). Risultati attesi Ci aspettiamo di sviluppare un sistema automatizzato basato sull'intelligenza artificiale per prevedere la pCR sui pazienti con NSCLC sottoposti a terapie neoadiuvanti sulla base di caratteristiche derivate da immagini, citologia, dati molecolari ed EHR, consentendo di indirizzare il trattamento aggressivo basato sulla chirurgia solo ai pazienti che potrebbero trarne beneficio da. Inoltre, i progressi perseguiti in MDL e XAI si sposteranno verso l’integrazione dei dati multimodali con modelli trasparenti e affidabili.
SOTTO SETTORI ERC
Anno presentazione 2022
Anno Inizio Finanziamento 2023
Anno Fine Finanziamento 2025