A machine learning-based study of correlation and synergies among clinical data, genomics and radiomics in oral cavity cancer

The cancer is the leading cause of death worldwide. To reduce the effect of cancer and to improve the diagnosis, prognosis and treatment planning, the scientific community has focused its attention on personalized medicine. For the first time in literature, this dissertation proposes a deep analysis of personalized medicine based on machine learning applied to advanced stage oral cavity cancer, focusing on the relationship between TNM8 staging, genomics, and radiomics. The goal is the demonstration and quantification of the contribution that these innovative technologies could have to the prognosis of advanced oral cavity cancer. In detail, the first part of the study focuses on the correlation between radiomics and genomics, developing radiomics-based classifiers for the prediction of the genomics-based risk class. In fact, creation of a radiomic model for the prediction of genomics could be advantageous, thanks to the greater availability of clinical images (they are part of the clinical routine) and their lower cost of analysis . The second part of this dissertation investigates how the integration of TNM8 staging, genomic, and radiomic data in a single general prognostic model based on overall survival could improve the prognostic power of the current prognostic baseline method (TNM8 staging alone) used in clinical practice. The final results proved the power of genomics and radiomics in oral cavity cancer investigation, confirming the results already described in literature, and they revealed the unexploited synergy among sources for the improvement of prognosis in oral cavity cancer. The multi-source models developed in this dissertation offer a potential tool for prognosis in oral cavity cancer and, after an external validation, they could become an alternative to the current prognostic method used in clinical practice.

Il cancro è la principale causa di morte a livello mondiale. Per ridurre l'effetto di questa malattia e migliorarne la diagnosi, la prognosi e la pianificazione del trattamento, la comunità scientifica si è dedicata allo studio della medicina personalizzata. Per la prima volta in letteratura, questa tesi propone un'analisi approfondita di alcune tecniche di medicina personalizzata, applicate al tumore della cavità orale in stadio avanzato. Ci siamo particolarmente concentrati sulla relazione esistente tra stadiazione del tumore (considerando il metodo TNM dell’ottava edizione), genomica e radiomica, per dimostrare e quantificare il contributo che queste tecnologie innovative potrebbero dare alla prognosi del tumore della cavità orale allo stadio avanzato. In particolare, la prima parte dello studio si concentra sulla correlazione tra radiomica e genomica, sviluppando classificatori radiamici per la previsione delle classi di rischio stabilite dalla genomica. La creazione di questi classificatori radiomici per la previsione della genomica, può essere molto utile in quanto le immagini cliniche sono più reperibili, facendo parte della routine clinica, e richiedono un minor costo di analisi. La seconda parte di questa tesi, invece, esamina come l'integrazione dei dati di stadiazione TNM8, genomica e radiomica in un unico generale modello prognostico basato sulla sopravvivenza globale, potrebbe migliorare il potere prognostico del metodo attualemnte utilizzato nella pratica clinica (soltanto il TNM8). I risultati finali hanno dimostrato il potere della genomica e della radiomica nelle indagini sui tumori della cavità orale, confermando i risultati già descritti in letteratura. Inoltre, questi risultati hanno rivelato la sinergia esistente e non ancora sfruttata tra le diverse fonti, utile per il miglioramento della prognosi del tumore della cavità orale. Questa sinergia ha permesso la creazione di modelli prognostici multi-sorgente ad alte prestazioni,che dopo validazioni esterne, potrebbero diventare un'alternativa all'attuale metodo prognostico usato nella pratica clinica.