Il nuovo sistema di intelligenza artificiale può valutare con precisione i risultati endoscopici della colite ulcerosa

Valutazioni di pazienti con colite ulcerosa (CU), che è un tipo di malattia infiammatoria intestinale, sono di solito condotti tramite endoscopia e istologia. Ma ora, ricercatori dal Giappone hanno sviluppato un sistema che potrebbe essere più accurato dei metodi esistenti e potrebbe ridurre la necessità per questi pazienti di sottoporsi a procedure mediche invasive.

In uno studio pubblicato questo febbraio in Gastroenterologia , i ricercatori della Tokyo Medical and Dental University (TMDU) hanno rivelato un sistema di intelligenza artificiale (AI) di nuova concezione in grado di valutare i risultati endoscopici della UC con un'accuratezza equivalente a quella degli endoscopisti esperti.

Valutazioni accurate sono fondamentali per fornire un'assistenza ottimale ai pazienti con UC. Precedenti studi hanno indicato che sia la remissione endoscopica, valutata tramite valutazione della procedura endoscopica, e remissione istologica, come indicato dal grado di infiammazione microscopica, può prevedere gli esiti dei pazienti, e sono quindi frequentemente utilizzati come obiettivi terapeutici. Però, variazioni intra- e inter-osservatore si verificano sia nelle analisi endoscopiche che istologiche, e l'analisi istologica richiede spesso la raccolta di tessuto tramite biopsie, che sono invasive e costose.

L'interpretazione delle immagini endoscopiche è soggettiva e si basa sull'esperienza dei singoli endoscopisti, rendendo così impegnativa la standardizzazione della valutazione e la caratterizzazione in tempo reale. Per affrontare questo, abbiamo cercato di sviluppare un sistema di rete neurale profonda (DNN) per un sistema coerente, obbiettivo, e analisi in tempo reale di immagini endoscopiche da pazienti con UC (DNUC)."

Kento Takenaka, autore principale dello studio

Per fare questo, i ricercatori hanno sviluppato un sistema con DNN per valutare le immagini endoscopiche di pazienti con UC. I DNN sono un tipo di metodo di apprendimento automatico basato sull'intelligenza artificiale basato sulla costruzione di reti neurali artificiali.

"Abbiamo costruito l'algoritmo DNUC, usando 40, 758 immagini di colonscopie e 6885 risultati di biopsie da 2012 pazienti con UC, ", afferma l'autore senior Mamoru Watanabe. "Questo comprendeva il set di formazione per l'apprendimento automatico, che ha permesso all'algoritmo di imparare a valutare e classificare accuratamente i dati".

I ricercatori hanno quindi convalidato l'accuratezza dell'algoritmo DNUC utilizzando 4187 immagini endoscopiche e 4104 campioni bioptici di 875 pazienti con UC.

"Abbiamo scoperto che il DNUC ha raggiunto un livello di accuratezza equivalente a quello degli endoscopisti esperti, " dice Takenaka. "Così, il nostro sistema è stato in grado di prevedere la remissione istologica da UC utilizzando solo immagini endoscopiche, rispetto ai dati sia istologici che endoscopici. Questo rappresenta uno sviluppo importante dati i costi e i rischi associati alle biopsie".

Il DNUC può essere in grado di identificare i pazienti con UC che sono in remissione senza richiedere loro di sottoporsi a raccolta e analisi della biopsia. Ciò potrebbe far risparmiare tempo e denaro alle istituzioni mediche, e limitare l'esposizione a procedure mediche invasive per le persone con UC.

• I batteri intestinali possono aumentare l'efficacia dell'immunoterapia del cancro,
• Manifestazioni gastrointestinali e trasmissione oro-fecale del nuovo coronavirus