L’intelligenza artificiale fornisce una diagnosi più veloce per le vesciche

Alcuni scienziati hanno addestrato un sistema di intelligenza artificiale per riconoscere un modello specifico nelle biopsie della pelle dei pazienti con l’epidermolisi bollosa acquisita. Il modello è caratteristico di una specifica variante della malattia che può causare cicatrici della pelle e delle mucose e può portare alla cecità. Il nuovo sistema è facile da usare ed è migliore della maggior parte dei medici nel fare la diagnosi.


Nei pazienti con epidermolisi bollosa, gli strati della pelle si staccano, causando grandi vesciche. Ci sono diverse forme di malattie vescicali che colpiscono diversi strati della pelle. Una di queste, l’epidermolisi bollosa acquisita (Eba), è una malattia autoimmune attraverso la quale gli anticorpi del paziente stesso attaccano la pelle. Di solito inizia intorno alla mezza età e le vesciche possono formare cicatrici. Le cicatrici sulla pelle possono poi limitare il movimento delle articolazioni, ma le cicatrici possono formarsi anche nelle membrane mucose. Quando questo accade nell’occhio, per esempio, può portare alla cecità. La diagnosi precoce è fondamentale per prevenire i danni causati dalle cicatrici.


Attualmente, possono passare da alcuni mesi a molti anni prima che la diagnosi di Eba sia confermata. Questa avviene attraverso biopsie della pelle, dove marcatori fluorescenti si attaccano agli autoanticorpi nello strato basale dell’epidermide produce un modello seghettato a forma di U, tipico dell’Eba. Tuttavia, è necessario trovare e riconoscere questo modello su un vetrino microscopico relativamente grande. Il modello può essere presente solo in piccole parti del vetrino. Per dare un’idea di quanto sia piccolo, se l’immagine microscopica è digitalizzata come una foto di 20.000 x 12.000 pixel, il pattern potrebbe occupare solo uno spazio di 30 x 30 pixel.


Gli esperti hanno quindi ipotizzato che l’intelligenza artificiale (e in particolare le reti neurali convolute, Cnn) potesse performare meglio dell’uomo in questo tipo di diagnosi.


Il problema era che non esisteva un programma di allenamento standard per questo particolare modello. Inoltre, occorreva trovare i dati con cui addestrare la Cnn perché i pazienti con Eba sono rari.


Tuttavia, i ricercatori sono riusciti a addestrare alcune Cnn che sono state in grado di riconoscere l’Eba con una specificità e una sensibilità dell’89,3%, una percentuale migliore di quella della maggior parte dei medici. La ragione di questo è probabilmente che l’occhio umano prende in considerazione solo una porzione relativamente piccola di un vetrino microscopico. Gli osservatori traggono una prima impressione e poi cercano la conferma sul vetrino. Il sistema di intelligenza artificiale, invece, analizza l’intero vetrino e quindi fornisce una diagnosi più accurata.


Fonte: American Journal of Pathology

IT-NON-05086-W-07/2023