Presentazione dell'appalto dell'Azienda Ospedaliero Universitaria di Cagliari denominato "Nuove soluzioni tecnologiche per il miglioramento delle capacità di diagnosi e stadiazione del cancro del retto" che si è tenuta il 10 luglio 2019 a Cagliari in occasione della consultazione preliminare di mercato.

1. Ideazione, progettazione, prototipazione e
sperimentazione di nuove soluzioni
tecnologiche per il miglioramento delle
capacità di diagnosi e stadiazione del cancro
del retto
Elementi salienti dei fabbisogni di
innovazione
Azienda Ospedaiero-Universitaria, Cagliari
Prof. Luigi Zorcolo
Dott.Angelo Restivo
Dott.ssa Simona Deidda

2. Topic = Neoplasie del retto
• patologia maligna che si presenta nella
parte distale del grosso intestine
• Primo tumore per frequenza nella
popolazione occidentale
• 35% dei tumori colo-rettali
• In Italia 75000 pazienti sono stati
sottoposti ad intervento chirurgico per
neoplasia del retto tra il 2005 e il 2014

3. Topic = Neoplasie del retto
Precisa definizione dello stadio
Ottimale Strategia Terapeutica
Elevata qualità di cura

4. (A) Escissione locale a tutto spessore (T0–1
N0)
(B) Intervento chirurgico di resezione del retto
con Total mesolectal excision (TME) (T2
N0 or T1),
(C) Radiochemioterapia preparatoria seguita
da intervento chirurgico (T3–4 or N+
tumors).
Strategie terapeutiche

5. 1. Mucosa
2. Sottomucosa
3. Muscolare
4. Grasso e la fascia
mesorettale

6. Beynon J, Foy DM, Temple LN, Channer JL, Virjee J, Mortensen NJ: The endosonic appearances of normal colon
and rectum. Dis 16 Colon Rectum 1986;29:810–813.
uT0 Lesione benigna o carcinoma in situ
uT1 Neoplasia infiltrante la sottomucosa
uT2 Neoplasia infiltrante la tonaca muscolare
uT3
Neoplasia infiltrante tutta la parete del
retto fino al grasso mesorettale
uT4
Neoplasia infiltrante organi o strutture
peri-rettali
uN0 Assenza di linfonodi
uN1 Presenza di linfonodi metastatici

7. Ptok H, Marusch F, Meyer F, Wendling P, Wenisch HJ, Sendt W, Manger T, Lippert H, Gastinger I: Feasibility and
accuracy of TRUS in the pre-treatment staging for rectal carcinoma in general practice. Eur J Surg Oncol
2006;32:420–425.
Accuratezza globale 65.8%

8. Angelo Restivo Luigi Zorcolo Luigi Marongiu Francesco Scintu Giuseppe Casula: Limits of Endorectal Ultrasound in
Tailoring Treatment of Patients with Rectal Cancer - Department of Surgical Sciences, Colorectal Unit, University of
Cagliari, Cagliari, Italy; Dig Surg 2015;32:129–134 DOI: 10.1159/000375537
Accuratezza globale (T) 65%

9. Accuratezza globale (N) 65%
Angelo Restivo Luigi Zorcolo Luigi Marongiu Francesco Scintu Giuseppe Casula: Limits of Endorectal Ultrasound in
Tailoring Treatment of Patients with Rectal Cancer - Department of Surgical Sciences, Colorectal Unit, University of
Cagliari, Cagliari, Italy; Dig Surg 2015;32:129–134 DOI: 10.1159/000375537

10. Angelo Restivo Luigi Zorcolo Luigi Marongiu Francesco Scintu Giuseppe Casula: Limits of Endorectal Ultrasound in
Tailoring Treatment of Patients with Rectal Cancer - Department of Surgical Sciences, Colorectal Unit, University of
Cagliari, Cagliari, Italy; Dig Surg 2015;32:129–134 DOI: 10.1159/000375537

11. FOCUS
Sviluppare un SISTEMA INTELLIGENTE con le seguenti caratteristiche:
1. Analisi autonoma delle immagini diagnostiche
2. Definizione autonoma della stadiazione della neoplasia
3. Accuratezza almeno pari a quella di un ecografista esperto
4. Sia in grado di auto apprendere

12. Altri ambiti d’applicazione
Liang H, Tsui BY, Ni H, et al (2019) Evaluation and accurate diagnoses of pediatric diseases using artificial intelligence. Nat Med.
https://doi.org/10.1038/s41591-018-0335-9

13. Altri campi d’applicazione
Bauer S, Wiest R, Nolte L-P, Reyes M (2013) A survey of MRI-based medical image analysis for brain tumor studies. Phys Med Biol 58:R97-129.
https://doi.org/10.1088/0031-9155/58/13/R97
Yoshida H, Nappi J (2007) CAD in CT colonography without and with oral contrast agents: progress and challenges. Comput Med Imaging
Graph 31:267–284. https://doi.org/10.1016/j.compmedimag.2007.02.011
Summers RM (2010) Improving the accuracy of CTC interpretation: computer-aided detection. Gastrointest Endosc Clin N Am 20:245–257.
https://doi.org/10.1016/j.giec.2010.02.004
Dundar MM, Fung G, Krishnapuram B, Rao RB (2008) Multiple-instance learning algorithms for computer-aided detection. IEEE Trans Biomed
Eng 55:1015–1021. https://doi.org/10.1109/TBME.2007.909544
Schoepf UJ, Schneider AC, Das M, et al (2007) Pulmonary embolism: computer-aided detection at multidetector row spiral computed
tomography. J Thorac Imaging 22:319–323. https://doi.org/10.1097/RTI.0b013e31815842a9
Diagnostica per immagini
Angio-TC per la diagnosi di embolia polmonare
RMN per la diagnosi di tumori dell’encefalo
Colonscopia vituale per la diagnosi di polipi del colon
Mammografia per i tumori della mammella

14. • Acquisizione e elaborazione autonoma delle immagini ecografiche erogate
dall’ecografo endo-rettale,
• Il sistema dovrà potersi interfacciare con la strumentazione per il rilevamento di
immagini ecografiche endo-rettali, in uso presso l’Azienda Ospedaliero
Universitaria e con quelle più diffuse sul mercato,
• Identificazione della forma e del volume della neoplasia, espresso in diametri
tridimensionali, centimetri cubi totali e circonferenza,
• Identificazione della distanza del limite inferiore e superiore della neoplasia dal
margine anale,
Requisiti funzionali

15. Requisiti funzionali
• Identificazione della posizione della neoplasia rispetto alla circonferenza del lume del
retto, diviso nei seguenti quatranti: anteriore, posteriore, laterale destro e laterale
sinistro, antero-laterale e antero-posteriore,
• Definizione della percentuale della circonferenza del lume rettale coinvolto,
• Identificazione degli strati della parete del retto tramite interpretazione delle
immagini ecografiche,
• Identificazione di alterazioni ed interruzione degli strati della parete, con
conseguente definizione del grado di infiltrazione della neoplasia (cT),
• Identificazione dell’eventuale presenza di linfonodi nel grasso mesorettale,

16. • Identificazione di alterazioni della forma e del volume dei linfonodi (cN), con
conseguente definizione della natura metastatica/reattiva,
• Quantificare il numero di linfonodi presenti nel grasso mesorettale,
• Registrazione di dati e archiviazione in formati open ai fini di ricerca scientifica,
• il sistema dovrà fornire elaborazioni di base immediatamente comprensibili dal
personale ospedaliero, tramite compilazione automatica di format elettronico
visualizzabile a monitor e stampabile, dove viene identificato il grado T (1,2,3,4) e N
(1,2) e i suddetti parametri.
Requisiti funzionali

17. Requisiti prestazionali
• Accuratezza ad un livello almeno sovrapponibile a quella di un operatore
esperto per il T e per l’N,
• Auto-apprendimento
• Accuratezza del 100% per i parametri macroscopici della neoplasia
• Elaborazione in in tempo reale delle immagini acquisite,
• Migrazione dei dati e del livello di interpretazione acquisito,
• Integrazione dei dati ecografici,

18. Risultati attesi
• Metodica diagnostica accessibile ed accurata in tutti i
Centri Italiani che si occupano di neoplasie del retto
• Diffusione della metodica anche in centri in cui non sono
presenti ecografisti esperti
• Riduzione dei tempi necessari per la diagnosi
• Riduzione dei costi per il Sistema Sanitario Nazionale