Predizione dell'espressione di Ki-67 nel carcinoma mammario invasivo con radiomica a doppia modalità

Perché questa ricerca è importante per le pazienti

Per le donne di fronte a una diagnosi di carcinoma mammario invasivo, una domanda cruciale è quanto velocemente il tumore possa crescere e diffondersi. I medici spesso si affidano a una proteina chiamata Ki-67 per stimare la rapidità di divisione delle cellule tumorali, ma la sua misurazione richiede in genere il prelievo di tessuto con ago o intervento chirurgico. Questo studio esplora se le informazioni nascoste nelle immagini di routine del seno — ecografia e mammografia — possano essere combinate e analizzate al computer per prevedere i livelli di Ki-67 senza un ulteriore test invasivo, aiutando potenzialmente a personalizzare il trattamento con meno disagio e rischio.

Vedere oltre ciò che l’occhio può rilevare

Ecografia e mammografia sono strumenti standard per rilevare e caratterizzare i tumori mammari. I radiologi osservano forma, margini e altri dettagli visibili, ma ogni immagine contiene anche modelli sottili di luminosità e texture troppo complessi perché l’occhio umano li interpreti pienamente. La radiomica è una tecnica che converte queste immagini mediche in centinaia di caratteristiche misurabili, trasformando ogni tumore in un ricco «impronta» numerica. Gli autori hanno ipotizzato che queste impronte possano riflettere quanto aggressivo sia un tumore, incluso se il suo livello di Ki-67 è alto o basso.

Combinare due tipi di immagini

Il gruppo di ricerca ha studiato 206 donne con carcinoma mammario invasivo trattate in un unico ospedale. Tutte avevano immagini preoperatorie chiare di ecografia e mammografia, insieme ai risultati di laboratorio per Ki-67. I tumori sono stati raggruppati come Ki-67 basso (20% o meno) o Ki-67 alto (oltre il 20%), una soglia comunemente usata. Gli specialisti hanno tracciato il contorno di ogni tumore sulle immagini e un software ha estratto oltre mille caratteristiche da ciascuna modalità di imaging. Queste caratteristiche descrivevano la luminosità di base, la forma del tumore e i pattern di texture fini, sia nelle immagini originali sia dopo trasformazioni matematiche pensate per mettere in evidenza strutture nascoste.

Addestrare il computer a prevedere l’aggressività

Poiché non tutte le caratteristiche sono ugualmente utili, i ricercatori hanno usato un metodo statistico per ridurle a un sottoinsieme con il maggior potere predittivo. Hanno poi addestrato diversi tipi di modelli di machine learning per distinguere i tumori a Ki-67 alto da quelli a Ki-67 basso, costruendo tre versioni: una basata solo sull’ecografia, una solo sulla mammografia e una che combinava le caratteristiche di entrambe. Hanno testato i modelli in modo rigoroso usando una validazione incrociata ripetuta, un processo che rimescola e suddivide ripetutamente i dati in gruppi di addestramento e di test per verificare quanto bene i risultati si mantengano su nuovi casi.

Cosa hanno imparato i modelli dalle immagini

Il modello combinato ha chiaramente superato i modelli basati su una singola modalità di imaging. Ha raggiunto un’area sotto la curva di 0,882, il che significa che ha correttamente classificato i tumori a Ki-67 alto rispetto a quelli a Ki-67 basso in quasi nove casi su dieci, con un buon equilibrio tra sensibilità (individuare i tumori aggressivi) e specificità (evitare falsi allarmi). Ecografia e mammografia da sole sono risultate sensibilmente meno accurate. Molte delle caratteristiche più importanti catturavano la texture — quanto erano uniformi o vari i livelli di grigio all’interno del tumore — oltre ad aspetti della forma tumorale. Utilizzando uno strumento interpretativo chiamato SHAP, gli autori hanno mostrato quali caratteristiche spingevano maggiormente il modello verso una previsione ad alto o basso rischio, rendendo le sue decisioni più trasparenti.

Impatto potenziale sulla cura e passi successivi

Lo studio suggerisce che combinando le informazioni di ecografia e mammografia i computer possono stimare l’attività di crescita di un tumore in modo molto simile al test di Ki-67 basato su biopsia. Nella pratica, uno strumento del genere potrebbe aiutare i medici a decidere quando intensificare il trattamento o monitorare più da vicino, specialmente quando una biopsia è difficile da ottenere o quando sono necessarie misurazioni ripetute nel tempo. Tuttavia, il lavoro è stato svolto in un unico centro e in modo retrospettivo, quindi necessita ancora di essere testato in gruppi più ampi e diversificati di pazienti e in studi prospettici. Se confermato, questo approccio di radiomica a doppia modalità potrebbe diventare un prezioso complemento non invasivo alla patologia tradizionale nel guidare il trattamento personalizzato del cancro al seno.

Citazione: Xu, R., Lin, Q., Zheng, C. et al. Prediction of Ki-67 expression in invasive breast cancer with dual-modality radiomics. Sci Rep 16, 12129 (2026). https://doi.org/10.1038/s41598-026-42827-y

Parole chiave: cancro al seno, Ki-67, radiomica, ecografia, mammografia