Antonio Battistaa, Rosa Alessia Battistab, Federica Battistac, Gerardo
Iovaned,∗, Riccardo Emanuele Landie
aA.O.U. S. Giovanni di Dio e Ruggi d'Aragona, UOC Chir Urg, UOC Laboratorio Analisi,
Salerno, Italia
bIRCCS Ospedale San Raffaele, Università Vita Salute S. Raffaele, Milano, Italia
cIRCCS Fondazione Policlinico San Matteo, Università di Pavia, Pavia, Italia
dDipartimento di Informatica, Università di Salerno, Salerno, Italia
eDipartimento di Elettronica, Informazione e Bioingegneria, Politecnico di Milano, Milano,
Italia
Introduzione
Il tumore del colon-retto (CRC) è uno dei tumori maligni più comuni tra i
popolazione generale, rappresentando il 10% di tutti i tumori diagnosticati. Il CRC rappresenta
il terzo tumore maligno più frequente negli uomini mentre è addirittura solo il secondo in
donne dopo il cancro al seno. Nel 2020 la sua incidenza stimata è stata di 19:100.0005
mondiale, mentre il tasso di mortalità rappresenta il 9,4% di tutti i tumori correlati
morti [1]. Negli ultimi decenni, il mondo scientifico ha assistito a una lieve diminuzione
nell'incidenza e nella mortalità del CRC, presumibilmente legati a entrambe le implementazioni
dei programmi di screening di massa e del conseguente riconoscimento precoce della malattia
nelle fasi iniziali. Alterazione dell'emoglobina e del DNA rilevata nei campioni di feci10
insieme all'endoscopia è il test di screening più diffuso e raccomandato in
della popolazione generale. Tuttavia, sono gravati da una sensibilità piuttosto bassa
e invasività, rispettivamente [2]. Per questo motivo, l'eventuale sviluppo di
nuovi approcci minimamente invasivi, altamente sensibili e specifici ha un'importanza cruciale.
ruolo nel puntare al riconoscimento della malattia nella fase più precoce possibile.
L'Intelligenza Artificiale ha introdotto prospettive rilevanti della soluzione, in particolare.
in particolare attraverso l'apprendimento automatico supervisionato che mira ad approssimare le
modelli tra i dati rilevanti. I parametri significativi possono essere utilizzati in modo efficiente e affidabile.
permettono di fare inferenze sullo stato di salute dei pazienti; il riconoscimento di pattern nel
diagnosi del cancro è in continua e notevole espansione [3, 4, 5, 6].20
In questo studio, proponiamo un ulteriore miglioramento del B-index [7], un indice matematico di
strumento matematico basato sulle Reti Neurali Artificiali e sulla realtà estesa per le reti non
diagnosi precoce del cancro colorettale invasivo. Abbiamo affrontato il problema della previsione di
presenza del tumore e classificazione della stadiazione combinando i risultati forniti
da più modelli attraverso un apprendimento d'insieme, cioè il voto a maggioranza, ap-25
[8]. Abbiamo effettuato un'analisi comparativa delle prestazioni, come binario
e predittori di stadiazione, forniti da quattro modelli di apprendimento automatico: RF (Ran-
dom Forest) [9], XGB (XGBoost) [10], SVM (Support Vector Machine) [11],
e ANN (Artificial Neural Network) [12].
Italian 
English 
French 
German 
Portuguese 
Spanish