Intelligenza artificiale applicata alla radiomica: diagnostica differenziale dei tumori cerebrali intrassiali e risvolti clinici nella loro gestione neurochirurgica

I glioblastomi (GBM) rappresentano i tumori cerebrali maligni primari più comuni negli adulti, con un’incidenza stimata di 3–4 casi per 100.000 abitanti per anno e una prognosi sfavorevole nonostante i progressi terapeutici. I linfomi primitivi del sistema nervoso centrale (PCNSL), sebbene più rari, mostrano un’incidenza in aumento e richiedono un approccio terapeutico fondamentalmente diverso, basato principalmente su chemioterapia ad alte dosi e radioterapia. In questo contesto, una diagnosi differenziale accurata e precoce tra GBM e PCNSL è cruciale per garantire strategie terapeutiche personalizzate. L’obiettivo del nostro studio è stato sviluppare e addestrare un sistema di intelligenza artificiale (AI) basato su analisi radiomica, in grado di differenziare i GBM dai linfomi cerebrali primitivi. Il modello è stato addestrato utilizzando esclusivamente immagini di risonanza magnetica (MRI) pesate in T1 con mezzo di contrasto, estraendo caratteristiche radiomiche avanzate ispirate ai modelli presenti nella letteratura attuale. Il sistema di AI ha raggiunto una sensibilità diagnostica paragonabile, e in alcuni casi superiore, a quella di neuroradiologi esperti, in linea con recenti evidenze sul ruolo dell’AI nell’imaging neuro-oncologico. Questi risultati suggeriscono una potenziale utilità dell’AI come strumento di supporto decisionale in contesti clinici controllati e come ausilio complementare all’interpretazione esperta nella pratica quotidiana. Nonostante l’utilizzo di una singola sequenza MRI, il modello ha dimostrato prestazioni promettenti, indicando che l’inclusione di ulteriori sequenze multiparametriche potrebbe migliorare ulteriormente l’accuratezza diagnostica negli sviluppi futuri.