Home Docenti Martina Sollini

Martina Sollini

Ricercatore

Diagnostica per immagini e radioterapia

Ricercatore

E-mail

martina.sollini@hunimed.eu
Telefono

+39 0282245614
Sito

www.humanitas.it/medici/martina-sollini

Luglio 2019 – Giugno 2020: Ricercatore, Istituto Clinico Humanitas – IRCCS, Rozzano e Università Humanitas, Pieve Emanuele

Gennaio 2016 – Giugno 2019: Corso di dottorato internazionale “Molecular and Experimental Medicine” (XXXI ciclo) – “Biomarcatori nel tumore ben differenziato della tiroide”, Università Humanitas, Pieve Emanuele

Marzo 2008 – Aprile 2012: Specializzazione in Medicina Nucleare, Università degli Studi di Pisa, Pisa

2010 – 2011: Master Universitario di Secondo Livello in Sperimentazione Clinica dei Farmaci, Università degli Studi di Pisa, Pisa

2000 – 2007: Laurea in Medicina e Chirurgia, Università degli Studi di Pisa, Pisa

Honors and awards

Premio Internazionale “Francesco de Luca” 2019, Accademia Nazionale dei Lincei, Roma

La ricerca scientifica è prevalentemente focalizzata a utilizzare metodiche di analisi avanzata delle immagini, allo studio di infezioni e infiammazioni e di nuovi traccianti.

L’analisi avanzata delle immagini (radiomica e intelligenza artificiale) si pone l’obiettivo di identificare nuovi biomarcatori derivati da immagini per caratterizzare le lesioni, quantificarne l’eterogeneità e predire la prognosi.
La ricerca su infezioni e infiammazioni mira a validare metodi accurati per la diagnosi precoce e il follow-up, in particolare per le infezioni muscoloscheletriche e cardiovascolari.
Nell’era della medicina personalizzata, nuovi traccianti in grado di “catturare” specifici processi molecolari potrebbero migliorare la prognosi impattando sulla gestione del paziente e sulla personalizzazione del trattamento.

Produzione scientifica

PI e co-investigator di studi clinici osservazionali e di fase I-II sponsorizzati e “no-profit” di diagnostica e terapia medico-nucleare in campo oncologico. Autore/co-autore di 61 articoli pubblicati su riviste peer-reviewed (IF totale = 245), di più di 50 abstract presentati a congressi nazionali e internazionali e di 20 capitoli di libri. h-index = 19 (Scopus, 01/09/2020)

Coordinatore del progetto “PREDICt – Profiling radioREsistant Differentiated thyroid Cancer: genes, immunity, cancer stem cells and epithelial-mesenchymal transition” finanziato dal bando TRANSCAN-2 Joint Transnational Call 2017.

Sollini M, Antunovic L, Chiti A, Kirienko M. Towards Clinical Application of Image Mining: A Systematic Review on Artificial Intelligence and Radiomics. Eur J Nucl Med Mol Imaging. 2019 Jun 18. doi: 10.1007/s00259-019-04372-x
Sollini M, Trenti N, Malagoli E, Catalano M, Di Mento L, Kirienko A, Berlusconi M, Chiti A, Antunovic L. [¹⁸F]FDG PET/CT in non-union: improving the diagnostic performances by using both PET and CT criteria. Eur J Nucl Med Mol Imaging. 2019;46(8):1605-1615. doi: 10.1007/s00259-019-04336-1
Antunovic L, De Sanctis R, Cozzi L, Kirienko M, Sagona A, Torrisi R, Tinterri C, Santoro A, Chiti A, Zelic R, Sollini M. PET/CT radiomics in breast cancer: promising tool for prediction of pathological response to neoadjuvant chemotherapy. Eur J Nucl Med Mol Imaging. 2019; 46(7):1468-1477. doi: 10.1007/s00259-019-04313-8
Kirienko M, Cozzi L, Rossi A, Voulaz E, Antunovic L, Fogliata A, Chiti A, Sollini M. Ability of FDG PET and CT radiomics features to differentiate between primary and metastatic lung lesions. Eur J Nucl Med Mol Imaging. 2018 Sep;45(10):1649-1660. doi: 10.1007/s00259-018-3987-2
Kirienko M, Cozzi L, Rossi A, Voulaz E, Antunovic L, Fogliata A, Chiti A, Sollini M. Ability of FDG PET and CT radiomics features to differentiate between primary and metastatic lung lesions. Eur J Nucl Med Mol Imaging. 2018 Sep;45(10):1649-1660. doi: 10.1007/s00259-018-3987-2