L'intelligenza artificiale aiuta a
distinguere con precisione due malattie autoimmuni del fegato
che possono presentare caratteristiche sovrapponibili e rendere
complessa l'interpretazione della biopsia epatica. Una diagnosi
più accurata significa infatti poter indirizzare il paziente
verso il percorso terapeutico più appropriato. È nato con questo
obiettivo lo studio multicentrico europeo dedicato alla diagnosi
differenziale tra epatite autoimmune (Aih) e colangite biliare
primitiva (Pbc). La ricerca ha sperimentato le potenzialità del
deep learning, una forma avanzata di intelligenza artificiale,
sviluppando un nuovo modello denominato Autoimmune liver neural
estimator (Ane), progettato per analizzare le immagini
digitalizzate delle biopsie epatiche e supportare il
riconoscimento delle due patologie.
Lo studio ha coinvolto sei centri europei di riferimento, tra
cui la struttura di Medicina Interna 1 dell'Azienda ospedaliero
- universitaria 'Maggiore della Carità' di Novara, diretta dal
professor Mario Pirisi - all'interno della quale si trova anche
la struttura di Immunologia riconosciuta dalla Regione Piemonte
proprio come Centro di alta specializzazione di riferimento
regionale - e ha utilizzato biopsie epatiche raccolte tra il
1997 e il 2023. Il sistema è stato addestrato direttamente sulle
immagini digitali complete dei preparati istologici.
I risultati hanno mostrato una buona capacità del modello di
distinguere l'epatite autoimmune dalla colangite biliare
primitiva. L'analisi ha inoltre permesso di comprendere quali
elementi delle biopsie attirassero maggiormente l'attenzione
dell'algoritmo, come, ad esempio, le zone caratterizzate da una
maggiore infiammazione. L'obiettivo è affiancare - e non
sostituire - il patologo nella valutazione specialistica.
Riproduzione riservata © Copyright ANSA