High-Definition Ultrasound microvessel imaging and Artificial intelligence for tumor characterization

Cancer remains a leading cause of morbidity and mortality worldwide, with hepatocellular carcinoma (HCC) being one of the most aggressive and lethal forms of liver cancer, accounting for approximately 800,000 deaths annually. Early diagnosis is crucial for improving patient outcomes; however, small tumors often escape detection by conventional imaging modalities such as magnetic resonance imaging (MRI) and computed tomography (CT), which are costly, invasive, and not universally accessible. In this context, High-Definition Microvascular Imaging (HDMI), a contrast-free ultrasound technology, offers a non-invasive alternative capable of visualizing microvascular structures as small as 300 micrometers. In our study conducted at the Mayo Clinic, we leveraged HDMI to enhance the differentiation between benign and malignant tumors, with a focus on HCC. We developed and validated a novel set of morphological microvascular biomarkers derived from both polar and Cartesian coordinate systems, enabling the characterization of distinct vascular patterns across various tumor types. By integrating advanced statistical analysis with machine learning algorithms, our approach aims to improve early tumor detection, increase diagnostic accuracy across multiple organs, and support the development of more targeted and effective treatments. Lesions were manually segmented on B-mode images to define the region of interest (ROI). In-phase quadrature (IQ) data were processed using singular value decomposition (SVD) to suppress tissue clutter and isolate slow-flow microvessels. Morphological top-hat filtering and Hessian-based enhancement techniques were applied to highlight fine vascular structures, which were then binarized and skeletonized for vessel mapping and biomarker extraction. Beyond liver lesions, we also explored the potential of HDMI in assessing lymph node pathology. While preliminary results demonstrated strong discriminative power, challenges such as high feature dimensionality and risk of model overfitting were observed, underscoring the need for improved feature selection and dimensionality reduction to enhance model robustness and generalizability. This work represents a significant advancement in non-invasive tumor diagnosis through microvascular analysis. The validated HDMI biomarker set achieved 98% accuracy in differentiating HCC from benign lesions and showed strong potential for extracting meaningful vascular patterns across various organs. These biomarkers offer a practical, accessible alternative to MRI and CT, especially in resource-limited settings. Beyond diagnostic precision, the potential for earlier detection and timely intervention may have life-saving implications, as prompt treatment is critical in cancer care. This research lays the foundation for a transformative diagnostic tool that combines precision, accessibility, and clinical relevance opening new avenues for early cancer detection and treatment.

Il cancro continua a rappresentare una delle principali cause di morbilità e mortalità a livello globale, e il carcinoma epatocellulare (HCC) è una delle forme più aggressive e letali di tumore al fegato, responsabile di circa 800.000 decessi ogni anno. Una diagnosi precoce è fondamentale per migliorare la prognosi del paziente; tuttavia, i tumori di piccole dimensioni spesso sfuggono alla rilevazione mediante le tecniche di imaging convenzionali, come la risonanza magnetica (MRI) e la tomografia computerizzata (CT), che risultano costose, invasive e non sempre accessibili. In questo contesto, la High-Definition Microvascular Imaging (HDMI), una tecnologia ecografica non invasiva e priva di mezzo di contrasto, rappresenta un’alternativa promettente, in grado di visualizzare strutture microvascolari fino a 300 micrometri. Nel nostro studio, condotto presso la Mayo Clinic, abbiamo utilizzato la tecnologia HDMI per migliorare la differenziazione tra tumori benigni e maligni, con un focus specifico sull’HCC. Abbiamo sviluppato e validato un nuovo insieme di biomarcatori morfologici microvascolari, derivati sia da sistemi di coordinate polari che cartesiani, capaci di caratterizzare distinti pattern vascolari nei diversi tipi di tumore. Integrando analisi statistiche avanzate con algoritmi di apprendimento automatico, il nostro approccio mira a migliorare la diagnosi precoce dei tumori, aumentare l’accuratezza diagnostica su più organi e supportare lo sviluppo di terapie più mirate ed efficaci. Le lesioni sono state segmentate manualmente su immagini B-mode per definire la regione di interesse (ROI). I dati in quadratura (IQ) sono stati elaborati mediante decomposizione ai valori singolari (SVD) per sopprimere il rumore dei tessuti e isolare i microvasi a flusso lento. Sono state applicate tecniche di filtraggio morfologico top-hat e di potenziamento basato su Hessiano per evidenziare le strutture vascolari più fini, successivamente binarizzate e scheletrizzate per la mappatura dei vasi e l’estrazione dei biomarcatori. Oltre alle lesioni epatiche, abbiamo esplorato anche il potenziale dell’HDMI nella valutazione della patologia linfonodale. Sebbene i risultati preliminari abbiano mostrato un forte potere discriminante, sono emerse criticità legate all’elevata dimensionalità delle caratteristiche e al rischio di overfitting del modello, evidenziando la necessità di strategie migliorate per la selezione delle caratteristiche e la riduzione della dimensionalità, al fine di aumentare la robustezza e la generalizzabilità del modello. Questo lavoro rappresenta un importante passo avanti nella diagnosi non invasiva dei tumori attraverso l’analisi della microvascolarizzazione. Il set validato di biomarcatori HDMI ha raggiunto un’accuratezza del 98% nella distinzione tra HCC e lesioni benigne, dimostrando una forte capacità di identificare pattern vascolari significativi anche in altri organi. Tali biomarcatori offrono un’alternativa pratica e accessibile rispetto a MRI e CT, specialmente nei contesti con risorse limitate. Oltre alla precisione diagnostica, la possibilità di una diagnosi più precoce e di un intervento tempestivo può avere implicazioni salvavita, poiché un trattamento rapido è spesso cruciale nella gestione del cancro. Questa ricerca pone le basi per uno strumento diagnostico trasformativo, che unisce precisione, accessibilità e rilevanza clinica, aprendo nuove prospettive per la diagnosi precoce e il trattamento del cancro.