Individuazione precoce dell’artrite utilizzando l’intelligenza artificiale

Esistono molti tipi diversi di artrite e diagnosticare il tipo esatto di malattia infiammatoria che colpisce le articolazioni di un paziente non è sempre facile. In un progetto di ricerca interdisciplinare condotto presso la Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) e l’Universitätsklinikum Erlangen, informatici e medici sono ora riusciti a insegnare una rete neurale artificiale per distinguere tra artrite reumatoide, artrite psoriasica e articolazioni sane.

Nell’ambito del progetto finanziato dal Ministero Federale dell’Educazione e della Ricerca (BMBF) denominato “Molecular characterization ofartrite remission (MASCARA)”, un team guidato dal Prof. Andreas Maier e Lukas Folle della Cattedra di Informatica 5 (Pattern Recognition) e PD Il Dr. Arnd Kleyer e il Prof. Dr. Georg Schett del Dipartimento di Medicina 3 dell’Universitätsklinikum Erlangen avevano il compito di indagare sulle seguenti domande: L’intelligenza artificiale (AI) può rilevare vari tipi di artrite utilizzando modelli di forma articolare? Questa metodica ci permette di fare diagnosi più precise nei casi di artrite indifferenziata? Ci sono alcune aree delle articolazioni che dovrebbero essere esaminate in modo più dettagliato durante una diagnosi?

Attualmente, i biomarcatori mancanti rendono spesso difficile la classificazione precisa del tipo rilevante di artrite. Anche le immagini a raggi X utilizzate per aiutare la diagnosi non sono completamente affidabili, poiché la loro bidimensionalità non è sufficientemente precisa e lascia spazio all’interpretazione. Ciò si aggiunge al fatto che il posizionamento dell’articolazione in esame per un’immagine a raggi X può essere difficile.

Le reti artificiali imparano usando le articolazioni delle dita

Per trovare le risposte alle sue domande, il team di ricerca ha concentrato le sue indagini sulle articolazioni metacarpofalangee delle dita, regioni del corpo che molto spesso sono colpite all’inizio nei pazienti con malattie autoimmuni come l’artrite reumatoide o l’artrite psoriasica. Una rete di neuroni artificiali è stata addestrata utilizzando scansioni delle dita da tomografia computerizzata periferica quantitativa ad alta risoluzione (HR-pQCT) con l’obiettivo di differenziare tra articolazioni “sane” e quelle di pazienti con artrite reumatoide o psoriasica.

HR-pQCT è stato selezionato in quanto è attualmente il miglior metodo quantitativo per produrre immagini tridimensionali di ossa umane alla massima risoluzione. Nel caso dell’artrite, i cambiamenti nella struttura delle ossa possono essere rilevati in modo molto accurato, il che rende possibile una classificazione precisa.

Le reti neurali potrebbero rendere possibile un trattamento più mirato

Un totale di 932 nuove scansioni HR-pQCT di 611 pazienti sono state quindi utilizzate per verificare se la rete artificiale può effettivamente implementare ciò che aveva appreso: può fornire una valutazione corretta delle articolazioni delle dita precedentemente classificate?

I risultati hanno mostrato che l’IA ha rilevato l’82% delle articolazioni sane, il 75% dei casi di artrite reumatoide e il 68% dei casi di artrite psoriasica, che è una probabilità di successo molto alta senza ulteriori informazioni. Se combinato con l’esperienza di un reumatologo, potrebbe portare a diagnosi molto più accurate. Inoltre, quando sono stati presentati casi di artrite indifferenziata, la rete è stata in grado di classificarli correttamente.

“Siamo molto soddisfatti dei risultati dello studio in quanto mostrano che l’intelligenza artificiale può aiutarci a classificare l’artrite più facilmente, il che potrebbe portare a un trattamento più rapido e mirato per i pazienti. Tuttavia, siamo consapevoli del fatto che ci sono altre categorie che devono essere inserite nella rete. Stiamo anche pianificando di trasferire il metodo AI ad altri metodi di imaging come gli ultrasuoni o la risonanza magnetica, che sono più facilmente disponibili”, spiega Lukas Folle.

Gli hotspot potrebbero portare a diagnosi più rapide

Mentre il team di ricerca è stato in grado di utilizzare la tomografia computerizzata ad alta risoluzione, questo tipo di imaging è disponibile solo raramente per i medici in circostanze normali a causa delle limitazioni in termini di spazio e costi. Tuttavia, queste nuove scoperte sono ancora utili poiché la rete neurale ha rilevato alcune aree delle articolazioni che forniscono la maggior parte delle informazioni su un tipo specifico di artrite, note come hotspot intra-articolari. “In futuro, ciò potrebbe significare che i medici potrebbero utilizzare queste aree come un altro tassello nel puzzle diagnostico per confermare i casi sospetti”, spiega il dottor Kleyer. Ciò farebbe risparmiare tempo e fatica durante la diagnosi ed è già possibile, ad esempio, utilizzando gli ultrasuoni. Kleyer e Maier stanno pianificando di approfondire questo approccio in un altro progetto con i loro gruppi di ricerca.

Individuazione precoce dell’artrite utilizzando l’intelligenza artificiale
La rete neurale impara a distinguere tra ossa sane e infiammate usando le articolazioni delle dita

 

Esistono molti tipi diversi di artrite e diagnosticare il tipo esatto di malattia infiammatoria che colpisce le articolazioni di un paziente non è sempre facile. In un progetto di ricerca interdisciplinare condotto presso la Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) e l’Universitätsklinikum Erlangen, informatici e medici sono ora riusciti a insegnare una rete neurale artificiale per distinguere tra artrite reumatoide, artrite psoriasica e articolazioni sane.

Nell’ambito del progetto finanziato dal Ministero Federale dell’Educazione e della Ricerca (BMBF) denominato “Molecular characterization ofartrite remission (MASCARA)”, un team guidato dal Prof. Andreas Maier e Lukas Folle della Cattedra di Informatica 5 (Pattern Recognition) e PD Il Dr. Arnd Kleyer e il Prof. Dr. Georg Schett del Dipartimento di Medicina 3 dell’Universitätsklinikum Erlangen avevano il compito di indagare sulle seguenti domande: L’intelligenza artificiale (AI) può rilevare vari tipi di artrite utilizzando modelli di forma articolare? Questa metodica ci permette di fare diagnosi più precise nei casi di artrite indifferenziata? Ci sono alcune aree delle articolazioni che dovrebbero essere esaminate in modo più dettagliato durante una diagnosi?

Attualmente, i biomarcatori mancanti rendono spesso difficile la classificazione precisa del tipo rilevante di artrite. Anche le immagini a raggi X utilizzate per aiutare la diagnosi non sono completamente affidabili, poiché la loro bidimensionalità non è sufficientemente precisa e lascia spazio all’interpretazione. Ciò si aggiunge al fatto che il posizionamento dell’articolazione in esame per un’immagine a raggi X può essere difficile.

Le reti artificiali imparano usando le articolazioni delle dita

Per trovare le risposte alle sue domande, il team di ricerca ha concentrato le sue indagini sulle articolazioni metacarpofalangee delle dita, regioni del corpo che molto spesso sono colpite all’inizio nei pazienti con malattie autoimmuni come l’artrite reumatoide o l’artrite psoriasica. Una rete di neuroni artificiali è stata addestrata utilizzando scansioni delle dita da tomografia computerizzata periferica quantitativa ad alta risoluzione (HR-pQCT) con l’obiettivo di differenziare tra articolazioni “sane” e quelle di pazienti con artrite reumatoide o psoriasica.

HR-pQCT è stato selezionato in quanto è attualmente il miglior metodo quantitativo per produrre immagini tridimensionali di ossa umane alla massima risoluzione. Nel caso dell’artrite, i cambiamenti nella struttura delle ossa possono essere rilevati in modo molto accurato, il che rende possibile una classificazione precisa.

Le reti neurali potrebbero rendere possibile un trattamento più mirato

Un totale di 932 nuove scansioni HR-pQCT di 611 pazienti sono state quindi utilizzate per verificare se la rete artificiale può effettivamente implementare ciò che aveva appreso: può fornire una valutazione corretta delle articolazioni delle dita precedentemente classificate?

I risultati hanno mostrato che l’IA ha rilevato l’82% delle articolazioni sane, il 75% dei casi di artrite reumatoide e il 68% dei casi di artrite psoriasica, che è una probabilità di successo molto alta senza ulteriori informazioni. Se combinato con l’esperienza di un reumatologo, potrebbe portare a diagnosi molto più accurate. Inoltre, quando sono stati presentati casi di artrite indifferenziata, la rete è stata in grado di classificarli correttamente.

“Siamo molto soddisfatti dei risultati dello studio in quanto mostrano che l’intelligenza artificiale può aiutarci a classificare l’artrite più facilmente, il che potrebbe portare a un trattamento più rapido e mirato per i pazienti. Tuttavia, siamo consapevoli del fatto che ci sono altre categorie che devono essere inserite nella rete. Stiamo anche pianificando di trasferire il metodo AI ad altri metodi di imaging come gli ultrasuoni o la risonanza magnetica, che sono più facilmente disponibili”, spiega Lukas Folle.

Gli hotspot potrebbero portare a diagnosi più rapide

Mentre il team di ricerca è stato in grado di utilizzare la tomografia computerizzata ad alta risoluzione, questo tipo di imaging è disponibile solo raramente per i medici in circostanze normali a causa delle limitazioni in termini di spazio e costi. Tuttavia, queste nuove scoperte sono ancora utili poiché la rete neurale ha rilevato alcune aree delle articolazioni che forniscono la maggior parte delle informazioni su un tipo specifico di artrite, note come hotspot intra-articolari. “In futuro, ciò potrebbe significare che i medici potrebbero utilizzare queste aree come un altro tassello nel puzzle diagnostico per confermare i casi sospetti”, spiega il dottor Kleyer. Ciò farebbe risparmiare tempo e fatica durante la diagnosi ed è già possibile, ad esempio, utilizzando gli ultrasuoni. Kleyer e Maier stanno pianificando di approfondire questo approccio in un altro progetto con i loro gruppi di ricerca.

Di ihal

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi