Valutare l’epatite attraverso l’AI

Negli ultimi anni è stata prestata una crescente attenzione all’applicazione dell’intelligenza artificiale (AI) – inclusi l’apprendimento automatico tradizionale e il deep learning – alle tecniche di diagnosi di diverse malattie epatiche.


Grazie a questa tecnologia è possibile estrarre dati dalle cartelle cliniche dei pazienti, dai Centri per il controllo e analizzare un’enorme quantità di set in brevissimo tempo. Inoltre, recenti studi hanno dimostrato che l’AI offrirebbe un supporto molto importante nella previsione dell’incidenza dell’epatite, nella classificazione delle diverse fasi della patologia, nella diagnosi o nello screening (es. la spettroscopia Raman, utilizzata per diagnosticare l’epatite B, ha mostrato prestazioni superiori rispetto ai tradizionali test sierologici), nella previsione della progressione della condizione e nella previsione della risposta ai farmaci antivirali nei pazienti con epatite C cronica. Ma, ancora più importante, l’intelligenza artificiale basata sulla radiologia si è dimostrata incredibilmente utile nel predire l’epatite e la fibrosi epatica, nonché nella classificazione del carcinoma epatocellulare (HCC) e nel differenziarlo dai tumori epatici benigni con un buon livello di accuratezza.


Sebbene le aspettative sull’utilizzo dell’AI siano sempre più alte, al momento tutti gli studi qui considerati sono per lo più ricerche a centro singolo e la quantità di dati nei set di formazione potrebbe essere insufficiente. Tuttavia, in futuro, nell’ottica di raccogliere e condividere sempre più conoscenze e informazioni, si spera di poter costruire un database globale così che i ricercatori e gli studiosi di AI possano avere accesso a sempre più informazioni. I dati relativi alle malattie e l’analisi dei fattori demografici potrebbero essere risolutivi per condurre ricerche multicentriche e stabilire un modello di intelligenza artificiale più solido e inclusivo per l’uso clinico.


Fonte: World Journal of Gastroenterology

IT-NON-05853-W-11/2023