La fotochemioterapia extracorporea (ECP) nel trattamento delle glomerulonefriti

I pazienti con glomerulopatie con sindrome nefrosica hanno poche opzioni di trattamento efficace. Riportiamo la nostra esperienza sull'utilizzo della fotochemioterapia extracorporea ( ECP) in 9 pazienti in cui non era stata osservata una risposta efficace/duratura alla convenzionale terapia farmacologica. L’ECP è una promettente terapia immunomodulante, che è stata utilizzata con successo nel trattamento di altre condizioni immunomediate come il rigetto nel trapianto e il GvHD. METODI: In questo studio abbiamo arruolato 9 pazienti, 5 maschi e 4 femmine, età media 32.7±8.9 anni, affetti da sindrome nefrosica e non responsivi/resistenti alle comuni terapie. Il follow-up medio è stato di 41.3±21.7 mesi. Tutti i pazienti sono stati sottoposti a cicli di fotochemioterapia extracorporea secondo il seguente schema: 1ciclo (2 sedute in 2 giorni consecutivi) ogni 15 giorni per tre mesi, seguito da 1ciclo al mese per tre mesi. Il follow up è stato effetuatio ogni 3 mesi durante il primo anno e poi ogni 12 mesi. Durante il follow up sono stati monitorati pressione arteriosa, funzione renale, marcatori diretti ed indiretti di attività della malattia e indici di flogosi. RISULTATI: attraverso l'analisi dei parametri ematochimici indici di attività di malattia, e monitorando l'eventuale progressione della malattia renale, è stato possibile dimostrare che l' ECP può rappresentare per casi selezionati di pazienti una valida ulteriore opzione terapeutica. Secondo i risultati preliminari tale trattamento risulta inoltre caratterizzato da un eccellente profilo di sicurezza . CONCLUSIONI: I risultati osservati suggeriscono che l’ECP è un trattamento efficace per i pazienti con glomenulonefriti con sindrome nefrosica, soprattutto in coloro che presentano ancora una buona funzionalità renale. Valutazioni cliniche aggiuntive dovranno aiuteranno a definire meglio la popolazione di pazienti in cui ECP sia più efficace e raccomandabile.

Lesion detection and classification in breast cancer: evaluation of approaches based on morphological features, tracer kinetic modelling and semi-quantitative parameters in MR functional imaging (DCE-MRI)

The diagnosis, grading and classification of tumours has benefited considerably from the development of DCE-MRI which is now essential to the adequate clinical management of many tumour types due to its capability in detecting active angiogenesis. Several strategies have been proposed for DCE-MRI evaluation. Visual inspection of contrast agent concentration curves vs time is a very simple yet operator dependent procedure, therefore more objective approaches have been developed in order to facilitate comparison between studies. In so called model free approaches, descriptive or heuristic information extracted from time series raw data have been used for tissue classification. The main issue concerning these schemes is that they have not a direct interpretation in terms of physiological properties of the tissues. On the other hand, model based investigations typically involve compartmental tracer kinetic modelling and pixel-by-pixel estimation of kinetic parameters via non-linear regression applied on region of interests opportunely selected by the physician. This approach has the advantage to provide parameters directly related to the pathophysiological properties of the tissue such as vessel permeability, local regional blood flow, extraction fraction, concentration gradient between plasma and extravascular-extracellular space. Anyway, nonlinear modelling is computational demanding and the accuracy of the estimates can be affected by the signal-to-noise ratio and by the initial solutions. The principal aim of this thesis is investigate the use of semi-quantitative and quantitative parameters for segmentation and classification of breast lesion. The objectives can be subdivided as follow: describe the principal techniques to evaluate time intensity curve in DCE-MRI with focus on kinetic model proposed in literature; to evaluate the influence in parametrization choice for a classic bi-compartmental kinetic models; to evaluate the performance of a method for simultaneous tracer kinetic modelling and pixel classification; to evaluate performance of machine learning techniques training for segmentation and classification of breast lesion.