CANCER REMAINS A LEADING CAUSE OF MORBIDITY AND MORTALITY WORLDWIDE, AND DESPITE THE PROVEN EFFECTIVENESS OF EARLY DETECTION IN REDUCING BOTH DISEASE BURDEN AND HEALTHCARE COSTS, CURRENT SCREENING PROGRAMS ARE LIMITED BY FRAGMENTED COVERAGE, SUBOPTIMAL SENSITIVITY AND SPECIFICITY, AND POOR POPULATION COMPLIANCE. IN RESPONSE TO THESE LIMITATIONS, THIS DOCTORAL RESEARCH PROPOSES A NOVEL, INTEGRATED CANCER SCREENING STRATEGY BASED ON UNTARGETED METABOLOMICS PROFILING OF BIOFLUIDS, COMBINED WITH A SPECIFICALLY DESIGNED DOUBLE WEIGHT ENSEMBLE MACHINE LEARNING (DW-EML) CLASSIFICATION SYSTEMS. THE CENTRAL AIM IS TO DEVELOP A SINGLE, MINIMALLY INVASIVE, COST-EFFECTIVE TEST CAPABLE OF SIMULTANEOUSLY SCREENING FOR MULTIPLE CANCER TYPES WITH HIGH DIAGNOSTIC ACCURACY. THE PROJECT IS GROUNDED IN THE HYPOTHESIS THAT NEOPLASTIC TRANSFORMATION INDUCES SYSTEMIC METABOLIC REPROGRAMMING, GENERATING REPRODUCIBLE BIOCHEMICAL SIGNATURES IN SERUM AND DRIED BLOOD SPOT (DBS) SAMPLES. THESE SIGNATURES CAN BE CAPTURED USING MASS SPECTROMETRY–BASED METABOLOMICS PLATFORMS AND ANALYZED THROUGH SUPERVISED LEARNING ALGORITHMS. TO THIS END, A LARGE AND DIVERSE BIOBANK WAS CONSTRUCTED, INCORPORATING SAMPLES FROM PATIENTS WITH HISTOLOGICALLY CONFIRMED NEOPLASMS ACROSS SEVERAL ANATOMICAL SITES, ALONGSIDE AGE- AND SEX-MATCHED HEALTHY CONTROLS. A COMPREHENSIVE ANALYTICAL PIPELINE WAS DEVELOPED ENCOMPASSING OPTIMIZED SAMPLE PREPARATION (VIA THE CUSTOM-DEVELOPED METABOPREP KIT), GC-MS ACQUISITION, DATA DECONVOLUTION, CHROMATOGRAM ALIGNMENT, AND METABOLITE FEATURE SELECTION THROUGH GENETIC ALGORITHMS. TEN SUPERVISED CLASSIFIERS WERE TRAINED AND INTEGRATED WITHIN A HIERARCHICAL DW-EML FRAMEWORK, DESIGNED TO MAXIMIZE CLASSIFICATION PERFORMANCE WHILE ENABLING DOWNSTREAM TUMOR LOCALIZATION AND PHENOTYPIC STRATIFICATION. THE MODELS DEMONSTRATED EXCELLENT PRELIMINARY PERFORMANCE IN BOTH BINARY DISCRIMINATION AND MULTICLASS DIFFERENTIATION TASKS, ACHIEVING SENSITIVITY AND SPECIFICITY RATES CONSISTENTLY ABOVE 90% ACROSS CANCER TYPES. FURTHERMORE, A SEX-SPECIFIC HIERARCHICAL DECISION TREE ARCHITECTURE WAS PROPOSED TO ENHANCE CLINICAL APPLICABILITY. THIS THESIS OFFERS A COMPREHENSIVE FRAMEWORK FOR A PARADIGM SHIFT IN ONCOLOGIC SCREENING, DEMONSTRATING THE FEASIBILITY OF METABOLOMICS-BASED EARLY DETECTION SUPPORTED BY AI, AND PAVING THE WAY FOR ITS TRANSLATION INTO POPULATION-WIDE PREVENTIVE STRATEGIES.
IL CANCRO RIMANE UNA DELLE PRINCIPALI CAUSE DI MORBILITÀ E MORTALITÀ A LIVELLO MONDIALE E, NONOSTANTE L’EFFICACIA COMPROVATA DELLA DIAGNOSI PRECOCE NEL RIDURRE SIA L’IMPATTO DELLA MALATTIA SIA I COSTI SANITARI, GLI ATTUALI PROGRAMMI DI SCREENING PRESENTANO LIMITI SIGNIFICATIVI: COPERTURA FRAMMENTARIA, SENSIBILITÀ E SPECIFICITÀ SUBOTTIMALI, E SCARSA ADESIONE DELLA POPOLAZIONE. IN RISPOSTA A TALI CRITICITÀ, QUESTA RICERCA DI DOTTORATO PROPONE UNA NUOVA STRATEGIA INTEGRATA DI SCREENING ONCOLOGICO BASATA SULLA PROFILAZIONE METABOLOMICA NON MIRATA DEI BIOFLUIDI, COMBINATA CON UN SISTEMA DI CLASSIFICAZIONE A ENSEMBLE MACHINE LEARNING A DOPPIA PONDERAZIONE (DOUBLE WEIGHT ENSEMBLE MACHINE LEARNING, DW-EML) APPOSITAMENTE PROGETTATO. L’OBIETTIVO CENTRALE È LO SVILUPPO DI UN TEST UNICO, MINIMAMENTE INVASIVO E A BASSO COSTO, IN GRADO DI INDIVIDUARE SIMULTANEAMENTE MOLTEPLICI TIPI DI CANCRO CON ELEVATA ACCURATEZZA DIAGNOSTICA. IL PROGETTO SI FONDA SULL’IPOTESI CHE LA TRASFORMAZIONE NEOPLASTICA INDUCA UN RIPROGRAMMING METABOLICO SISTEMICO, GENERANDO FIRME BIOCHIMICHE RIPRODUCIBILI IN SIERO E IN CAMPIONI DI SANGUE ESSICCATO (DRIED BLOOD SPOT, DBS). QUESTE FIRME POSSONO ESSERE CATTURATE TRAMITE PIATTAFORME METABOLOMICHE BASATE SULLA SPETTROMETRIA DI MASSA E ANALIZZATE MEDIANTE ALGORITMI DI APPRENDIMENTO SUPERVISIONATO. A TAL FINE, È STATA COSTITUITA UNA BIOBANCA AMPIA E DIVERSIFICATA, COMPRENDENTE CAMPIONI PROVENIENTI DA PAZIENTI AFFETTI DA NEOPLASIE ISTOLOGICAMENTE CONFERMATE IN DIVERSI DISTRETTI ANATOMICI, AFFIANCATI DA CONTROLLI SANI APPAIATI PER ETÀ E SESSO. È STATA INOLTRE SVILUPPATA UNA PIPELINE ANALITICA COMPLETA CHE INCLUDE: PREPARAZIONE OTTIMIZZATA DEI CAMPIONI (ATTRAVERSO IL KIT METABOPREP), ACQUISIZIONE GC-MS, DECONVOLUZIONE DEI DATI, ALLINEAMENTO DEI CROMATOGRAMMI E SELEZIONE DELLE CARATTERISTICHE METABOLICHE TRAMITE ALGORITMI GENETICI. DIECI CLASSIFICATORI SUPERVISIONATI SONO STATI ADDESTRATI E INTEGRATI IN UNA STRUTTURA GERARCHICA DW-EML, PROGETTATA PER MASSIMIZZARE LE PRESTAZIONI DI CLASSIFICAZIONE CONSENTENDO AL CONTEMPO LA LOCALIZZAZIONE TUMORALE E LA STRATIFICAZIONE FENOTIPICA A VALLE. I MODELLI HANNO MOSTRATO ECCELLENTI PRESTAZIONI PRELIMINARI SIA NEI COMPITI DI DISCRIMINAZIONE BINARIA SIA IN QUELLI DI DIFFERENZIAZIONE MULTICLASSE, RAGGIUNGENDO VALORI DI SENSIBILITÀ E SPECIFICITÀ COSTANTEMENTE SUPERIORI AL 90% TRA I VARI TIPI DI CANCRO. INOLTRE, È STATA PROPOSTA UN’ARCHITETTURA DECISIONALE GERARCHICA SPECIFICA PER SESSO AL FINE DI AUMENTARNE L’APPLICABILITÀ CLINICA. QUESTA TESI OFFRE DUNQUE UN QUADRO METODOLOGICO COMPLETO PER UN CAMBIO DI PARADIGMA NELLO SCREENING ONCOLOGICO, DIMOSTRANDO LA FATTIBILITÀ DI UNA DIAGNOSI PRECOCE BASATA SULLA METABOLOMICA SUPPORTATA DA INTELLIGENZA ARTIFICIALE, E APRENDO LA STRADA ALLA SUA TRADUZIONE IN STRATEGIE PREVENTIVE APPLICABILI SU SCALA DI POPOLAZIONE.
UNA STRATEGIA BASATA SU METABOLOMICA E APPRENDIMENTO AUTOMATICO ENSEMBLE PER LA PREVENZIONE SECONDARIA IN ONCOLOGIA: UNA PROPOSTA DI SCREENING MULTICANCRO / Jacopo Troisi , 2025 Dec 18. 38. ciclo, Anno Accademico 2024/25.
UNA STRATEGIA BASATA SU METABOLOMICA E APPRENDIMENTO AUTOMATICO ENSEMBLE PER LA PREVENZIONE SECONDARIA IN ONCOLOGIA: UNA PROPOSTA DI SCREENING MULTICANCRO
Troisi, Jacopo
2025
Abstract
CANCER REMAINS A LEADING CAUSE OF MORBIDITY AND MORTALITY WORLDWIDE, AND DESPITE THE PROVEN EFFECTIVENESS OF EARLY DETECTION IN REDUCING BOTH DISEASE BURDEN AND HEALTHCARE COSTS, CURRENT SCREENING PROGRAMS ARE LIMITED BY FRAGMENTED COVERAGE, SUBOPTIMAL SENSITIVITY AND SPECIFICITY, AND POOR POPULATION COMPLIANCE. IN RESPONSE TO THESE LIMITATIONS, THIS DOCTORAL RESEARCH PROPOSES A NOVEL, INTEGRATED CANCER SCREENING STRATEGY BASED ON UNTARGETED METABOLOMICS PROFILING OF BIOFLUIDS, COMBINED WITH A SPECIFICALLY DESIGNED DOUBLE WEIGHT ENSEMBLE MACHINE LEARNING (DW-EML) CLASSIFICATION SYSTEMS. THE CENTRAL AIM IS TO DEVELOP A SINGLE, MINIMALLY INVASIVE, COST-EFFECTIVE TEST CAPABLE OF SIMULTANEOUSLY SCREENING FOR MULTIPLE CANCER TYPES WITH HIGH DIAGNOSTIC ACCURACY. THE PROJECT IS GROUNDED IN THE HYPOTHESIS THAT NEOPLASTIC TRANSFORMATION INDUCES SYSTEMIC METABOLIC REPROGRAMMING, GENERATING REPRODUCIBLE BIOCHEMICAL SIGNATURES IN SERUM AND DRIED BLOOD SPOT (DBS) SAMPLES. THESE SIGNATURES CAN BE CAPTURED USING MASS SPECTROMETRY–BASED METABOLOMICS PLATFORMS AND ANALYZED THROUGH SUPERVISED LEARNING ALGORITHMS. TO THIS END, A LARGE AND DIVERSE BIOBANK WAS CONSTRUCTED, INCORPORATING SAMPLES FROM PATIENTS WITH HISTOLOGICALLY CONFIRMED NEOPLASMS ACROSS SEVERAL ANATOMICAL SITES, ALONGSIDE AGE- AND SEX-MATCHED HEALTHY CONTROLS. A COMPREHENSIVE ANALYTICAL PIPELINE WAS DEVELOPED ENCOMPASSING OPTIMIZED SAMPLE PREPARATION (VIA THE CUSTOM-DEVELOPED METABOPREP KIT), GC-MS ACQUISITION, DATA DECONVOLUTION, CHROMATOGRAM ALIGNMENT, AND METABOLITE FEATURE SELECTION THROUGH GENETIC ALGORITHMS. TEN SUPERVISED CLASSIFIERS WERE TRAINED AND INTEGRATED WITHIN A HIERARCHICAL DW-EML FRAMEWORK, DESIGNED TO MAXIMIZE CLASSIFICATION PERFORMANCE WHILE ENABLING DOWNSTREAM TUMOR LOCALIZATION AND PHENOTYPIC STRATIFICATION. THE MODELS DEMONSTRATED EXCELLENT PRELIMINARY PERFORMANCE IN BOTH BINARY DISCRIMINATION AND MULTICLASS DIFFERENTIATION TASKS, ACHIEVING SENSITIVITY AND SPECIFICITY RATES CONSISTENTLY ABOVE 90% ACROSS CANCER TYPES. FURTHERMORE, A SEX-SPECIFIC HIERARCHICAL DECISION TREE ARCHITECTURE WAS PROPOSED TO ENHANCE CLINICAL APPLICABILITY. THIS THESIS OFFERS A COMPREHENSIVE FRAMEWORK FOR A PARADIGM SHIFT IN ONCOLOGIC SCREENING, DEMONSTRATING THE FEASIBILITY OF METABOLOMICS-BASED EARLY DETECTION SUPPORTED BY AI, AND PAVING THE WAY FOR ITS TRANSLATION INTO POPULATION-WIDE PREVENTIVE STRATEGIES.| File | Dimensione | Formato | |
|---|---|---|---|
|
Abstract Ita-Eng.pdf
embargo fino al 18/12/2026
Descrizione: Abstract tesi in italiano ed in inglese
Tipologia:
Tesi di dottorato
Dimensione
69.45 kB
Formato
Adobe PDF
|
69.45 kB | Adobe PDF | Visualizza/Apri Richiedi una copia |
|
Tesi Completa v1_5_4.pdf
embargo fino al 18/12/2026
Descrizione: Tesi
Tipologia:
Tesi di dottorato
Dimensione
10.65 MB
Formato
Adobe PDF
|
10.65 MB | Adobe PDF | Visualizza/Apri Richiedi una copia |
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.


