Il deep learning può eliminare le biopsie della pelle

Mentre i raggi X, la risonanza magnetica e la Tac hanno trasformato la pratica della medicina clinica eliminando la necessità di molte procedure chirurgiche esplorative per diagnosticare i tumori maligni interni, le tecnologie di imaging per aiutare la diagnosi del cancro della pelle sono rimaste indietro.


Lo standard attuale per la diagnosi delle malattie della pelle, compreso il cancro, si basa su una biopsia invasiva seguita da una valutazione istopatologica, che può portare a biopsie cutanee e cicatrici non necessarie, a visite multiple del paziente e a un aumento dei costi per il sistema sanitario. Come una delle tecnologie ottiche non invasive emergenti per la diagnosi delle malattie della pelle, la microscopia confocale a riflettanza (Rcm) presenta una soluzione potenziale senza biopsia per fornire immagini in vivo della struttura della pelle con risoluzione a livello cellulare. Tuttavia, l’output delle immagini Rcm non è in un formato con cui dermatologi e patologi hanno familiarità, e l’analisi di queste immagini richiede una formazione specializzata.


Recentemente, alcuni ricercatori ha utilizzato il deep learning per trasformare le immagini Rcm di pelle intatta, ottenute senza una biopsia, in immagini che appaiono come sezioni di pelle colorate istochimicamente e sottoposte a biopsia su vetrini da microscopio. Hanno addestrato una rete neurale per trasformare rapidamente le immagini Rcm in vivo di pelle non colorata in immagini volumetriche virtualmente colorate. Questa tecnica, che il team chiama “istologia virtuale”, permette l’analisi di immagini microscopiche della pelle, bypassa diversi passaggi standard utilizzati per la diagnosi medica, tra cui la biopsia della pelle, la fissazione del tessuto, l’elaborazione, il sezionamento, così come la colorazione istochimica.


Fonte: Light Science & Applications

IT-NON-06031-W-12/2023