The Pulse

Uno studio retrospettivo associa un modello radiomico basato sulla risonanza magnetica alla risposta alla radioterapia nell’orbitopatia tiroidea

Uno studio riferisce che la radiomica basata sulla risonanza magnetica, combinata con metriche di imaging convenzionali, ha predetto la risposta alla radioterapia nell’orbitopatia tiroidea. In 85 pazienti, il modello combinato ha raggiunto

AI.info Team · Scritto con l’IA · verificato · 2026-11-10

Un modello basato sulla risonanza magnetica delle orbite

I ricercatori riferiscono che un modello basato sulla risonanza magnetica, che combina caratteristiche radiomiche e metriche di imaging convenzionali, ha predetto la risposta alla radioterapia nelle persone con orbitopatia tiroidea. In uno studio retrospettivo, il modello combinato ha raggiunto un’area sotto la curva (AUC) di 0,942, rispetto a 0,700 per un modello basato su dati clinici.

Lo studio riguarda un trattamento i cui esiti sono variabili: gli autori descrivono la radioterapia come un trattamento per l’orbitopatia tiroidea attiva da moderata a grave, osservando che i pazienti rispondono in modo diverso. Secondo gli autori, indicatori convenzionali come il punteggio di attività clinica (CAS) sono soggettivi e hanno un valore limitato nel predire la risposta. L’articolo afferma che il modello è destinato a prevedere gli esiti prima del trattamento, utilizzando informazioni ricavate dalla risonanza magnetica insieme a misure cliniche e di imaging.

Come i ricercatori lo hanno testato

I ricercatori hanno arruolato retrospettivamente 85 pazienti con orbitopatia tiroidea sottoposti a radioterapia standardizzata a 20 Gy. Prima del trattamento, i pazienti sono stati sottoposti a risonanza magnetica delle orbite, comprendente immagini pesate in T1 con soppressione del grasso e mezzo di contrasto, o T1CE, e immagini pesate in T2, o T2WI.

Il gruppo ha estratto caratteristiche radiomiche dai muscoli extraoculari e ne ha selezionate alcune per l’analisi. Ha sviluppato modelli utilizzando singole sequenze di risonanza magnetica, entrambe le sequenze insieme e combinazioni che aggiungevano dati clinici e metriche di imaging convenzionali. Per sviluppare questi modelli sono stati utilizzati nove algoritmi di machine learning.

Per valutarli, i ricercatori hanno utilizzato il test di DeLong, curve di calibrazione, punteggi di Brier, l’analisi delle curve decisionali e l’analisi SHAP.

Prestazioni e limiti

Degli 85 pazienti, 46 sono stati classificati come rispondenti e 39 come non rispondenti. Il CAS al basale è stato l’unica variabile clinica significativamente diversa tra i gruppi. Il modello clinico ha ottenuto un’AUC di 0,700, mentre i modelli basati sulla radiomica T1CE, sulla radiomica T2WI e sulla radiomica di entrambe le sequenze hanno ottenuto AUC rispettivamente di 0,850, 0,875 e 0,933.

Il modello che combina caratteristiche radiomiche e metriche di imaging convenzionali ha raggiunto un’AUC di 0,942. Gli autori riferiscono che ha superato significativamente il modello clinico, con P = 0,040, e descrivono i risultati della calibrazione e delle curve decisionali come indicativi di un’affidabilità e di un’utilità clinica favorevoli.

Gli autori affermano che l’approccio potrebbe supportare una stratificazione individualizzata del rischio, ma presentano questa prospettiva come subordinata a una validazione prospettica. L’articolo è stato pubblicato su Communications Medicine il 10 novembre 2026.