Novara, l’AI distingue due malattie autoimmuni del fegato

Un sistema di Intelligenza Artificiale applicato alle biopsie epatiche è riuscito a distinguere con buona accuratezza l’epatite autoimmune dalla colangite biliare primitiva, due patologie del fegato che possono presentare caratteristiche simili e rendere complessa la diagnosi. Alla ricerca multicentrica europea ha partecipato anche l’Azienda Ospedaliero-Universitaria “Maggiore della Carità” di Novara, attraverso la struttura di Medicina Interna 1 diretta dal professor Mario Pirisi.

Un modello di deep learning per analizzare le biopsie epatiche

Il progetto ha portato allo sviluppo di ALNE, Autoimmune Liver Neural Estimator, un modello basato sul deep learning progettato per analizzare le immagini digitalizzate dei preparati istologici e fornire un supporto nella diagnosi differenziale tra epatite autoimmune, indicata con la sigla AIH, e colangite biliare primitiva, PBC.

Le due malattie autoimmuni possono infatti mostrare alterazioni parzialmente sovrapponibili. In alcune situazioni la lettura della biopsia diventa quindi particolarmente complessa, con possibili conseguenze sulla scelta del percorso terapeutico.

Lo studio ha coinvolto sei centri europei di riferimento e ha utilizzato biopsie epatiche raccolte tra il 1997 e il 2023. Tra le strutture partecipanti figura anche Medicina Interna 1 dell’AOU di Novara, nella quale opera la struttura di Immunologia riconosciuta dalla Regione Piemonte come Centro di Alta Specializzazione di riferimento regionale.

L’algoritmo lavora sull’intera immagine del tessuto

Una delle caratteristiche del sistema riguarda il metodo di addestramento. ALNE è stato infatti sviluppato utilizzando direttamente le immagini digitali complete delle biopsie, senza indicare preventivamente all’algoritmo quali aree del tessuto dovessero essere analizzate.

Il modello ha così imparato a individuare autonomamente gli elementi utili per distinguere le due patologie. Nella validazione esterna ha raggiunto un’area sotto la curva ROC, o AUC, pari a 0,81, risultato che secondo i ricercatori indica una buona capacità discriminativa.

L’analisi ha permesso inoltre di osservare quali parti dei preparati attirassero maggiormente l’attenzione dell’algoritmo. Il sistema tendeva, per esempio, a concentrarsi sulle zone caratterizzate da una maggiore infiammazione, associandole prevalentemente ai casi di epatite autoimmune.

Lo studio evidenzia differenze nelle valutazioni dei patologi

Un altro elemento emerso dalla ricerca riguarda la variabilità dell’interpretazione umana. Un campione degli stessi casi è stato analizzato da patologi generalisti e il confronto ha mostrato differenze significative tra gli osservatori.

Proprio nei casi in cui i confini tra epatite autoimmune e colangite biliare primitiva risultano meno definiti, uno strumento quantitativo basato sull’analisi digitale può fornire informazioni aggiuntive al medico. L’obiettivo indicato dai ricercatori è affiancare la tecnologia alla valutazione specialistica, senza sostituire il ruolo del patologo.

Una diagnosi più precisa può infatti incidere direttamente sulle decisioni cliniche. Interpretare in maniera errata le alterazioni presenti nella biopsia potrebbe orientare verso trattamenti non adeguati alla patologia effettivamente presente.

ALNE apre nuove prospettive per la diagnostica digitale

Secondo quanto riportato nello studio, ALNE rappresenta il primo sistema capace di produrre una diagnosi differenziale quantitativa tra epatite autoimmune e colangite biliare primitiva attraverso l’analisi delle immagini istologiche.

La ricerca condotta con il contributo dell’AOU di Novara mostra così una possibile applicazione concreta dell’Intelligenza Artificiale in medicina: trasformare le informazioni contenute nei preparati digitalizzati in un ulteriore elemento di supporto per gli specialisti.

Il lavoro mette inoltre in relazione competenze cliniche, anatomia patologica, digitalizzazione e algoritmi di deep learning, con l’obiettivo di aumentare la riproducibilità delle valutazioni e rendere più accurato il percorso diagnostico dei pazienti affetti da malattie autoimmuni del fegato.