L’intelligenza artificiale può aiutare gli specialisti a distinguere due malattie autoimmuni del fegato che presentano caratteristiche simili, contribuendo così a indirizzare i pazienti verso il percorso terapeutico più appropriato. È quanto emerge da uno studio multicentrico europeo al quale ha partecipato anche l’Azienda ospedaliero-universitaria “Maggiore della Carità” di Novara.
In foto il professor Mario Pirisi, direttore della struttura di Medicina interna 1 dell’Aou di Novara
L’intelligenza artificiale aiuta a riconoscere le malattie del fegato: Novara protagonista della ricerca
La ricerca è stata dedicata alla diagnosi differenziale tra l’epatite autoimmune, indicata con la sigla AIH, e la colangite biliare primitiva, PBC. Si tratta di due patologie autoimmuni del fegato che possono presentare caratteristiche sovrapponibili, rendendo complessa anche l’interpretazione della biopsia epatica. Una diagnosi più precisa permette di scegliere la terapia maggiormente appropriata, evitando trattamenti non necessari o inadeguati.
Per supportare il riconoscimento delle due patologie, i ricercatori hanno sperimentato le potenzialità del deep learning, una forma avanzata di intelligenza artificiale, sviluppando un nuovo modello denominato Autoimmune Liver Neural Estimator, ALNE. Il sistema è stato progettato per analizzare le immagini digitalizzate delle biopsie epatiche.
Lo studio ha coinvolto sei centri europei di riferimento. Tra questi figura la struttura di Medicina interna 1 dell’Aou di Novara, diretta dal professor Mario Pirisi, all’interno della quale si trova anche la struttura di Immunologia, riconosciuta dalla Regione Piemonte come Centro di Alta specializzazione di riferimento regionale.
La ricerca ha utilizzato biopsie epatiche raccolte tra il 1997 e il 2023. Il modello è stato addestrato direttamente sulle immagini digitali complete dei preparati istologici, senza indicare preventivamente all’algoritmo quali aree del tessuto dovessero essere analizzate.
I risultati hanno evidenziato una buona capacità di ALNE di distinguere l’epatite autoimmune dalla colangite biliare primitiva. Nella validazione esterna, il sistema ha raggiunto un’area sotto la curva ROC, il parametro AUC utilizzato per misurarne la capacità discriminatoria, pari a 0,81.
L’analisi ha consentito anche di capire quali elementi delle biopsie attirassero maggiormente l’attenzione dell’algoritmo. Il sistema tendeva, per esempio, a concentrarsi sulle aree caratterizzate da una maggiore infiammazione, associandole prevalentemente all’epatite autoimmune.
Uno degli aspetti più interessanti dello studio riguarda il possibile contributo dell’intelligenza artificiale nel rendere più oggettiva e riproducibile la valutazione delle biopsie. L’analisi di un campione degli stessi casi da parte di patologi generalisti ha infatti mostrato una significativa variabilità tra gli osservatori. Nei casi in cui i confini tra le due patologie risultano meno netti, uno strumento quantitativo potrebbe quindi offrire un ulteriore supporto allo specialista.
L’obiettivo non è sostituire il patologo, ma affiancare alla sua valutazione nuove informazioni ottenute attraverso l’analisi digitale delle immagini. Una maggiore accuratezza diagnostica è particolarmente importante perché un’interpretazione non corretta delle alterazioni presenti nella biopsia può portare a scelte terapeutiche non appropriate.
Secondo lo studio, ALNE rappresenta il primo sistema in grado di produrre una diagnosi differenziale quantitativa tra epatite autoimmune e colangite biliare primitiva. La ricerca mostra così una possibile applicazione concreta dell’intelligenza artificiale in medicina: trasformare la grande quantità di informazioni contenuta nelle immagini diagnostiche in uno strumento aggiuntivo a disposizione degli specialisti.
Lo studio testimonia inoltre come l’integrazione tra competenze cliniche, anatomia patologica, digitalizzazione e intelligenza artificiale possa aprire nuove prospettive per una medicina sempre più precisa, migliorando il percorso diagnostico e terapeutico dei pazienti.