Prevenzione, diagnosi e cura sempre più precise e personalizzate, a seconda delle esigenze del singolo paziente. Il tutto grazie all’impiego dell’intelligenza artificiale. Due recenti ricerche ne hanno mostrato le potenzialità sia per la diagnosi dell’ artrite reumatoide, che per la valutazione del rischio coronarico, ovvero il rischio di incorrere in patologie cardiache a causa dell’ostruzione delle arterie coronarie che portano ossigeno al cuore. Il primo studio, pubblicato sulla rivista Nature communications, ha utilizzato il machine learning, ovvero l’apprendimento automatico, uno dei tanti rami dell’intelligenza artificiale. Grazie a questa tecnologia è possibile distinguere i sottotipi di artrite reumatoide e, potenzialmente, si potrà migliorare sia la diagnosi che la cura della patologia. Precedenti ricerche avevano misurato l’efficacia dell’apprendimento automatico in oncologia, ora i ricercatori, guidati da Fei Wang, direttore fondatore dell’Institute of AI for Digital Health del Weill Cornell Medicine (New York City), per la prima volta si sono concentrati sul processo di sottotipizzazione dell’artrite reumatoide ottenuto attraverso il machine learning. Distinguere tra i tre sottotipi di malattia, infatti, può aiutare i medici a scegliere quale terapia ha maggiori probabilità di essere efficace per un determinato paziente.
Attualmente, i patologi classificano manualmente i sottotipi di artrite, con un processo lento che aumenta i costi della ricerca e può portare a incongruenze. Il team ha prima addestrato il nuovo algoritmo su campioni di tessuto proveniente da un set di topi con questa malattia e poi ha convalidato lo strumento su tessuti derivati da biopsie di pazienti con artrite reumatoide, dimostrando che poteva tipizzare in modo efficace campioni clinici umani. “Se riesci a creare un algoritmo che identifica il sottotipo di un paziente, sarai in grado di fornire più rapidamente i trattamenti di cui le persone hanno bisogno”, spiega Richard Bell, analista di patologia computazionale presso il Molecular Histopathology Core Laboratory dell’Hospital for Special Surgery. “I risultati dimostrano il crescente impatto dell’intelligenza artificiale nel progresso della medicina personalizzata”, conclude Rainu Kaushal, presidente del Dipartimento di scienze della salute della popolazione presso Weill Cornell Medicine. Lo strumento potrebbe anche aumentare l’efficienza delle sperimentazioni cliniche che testano i trattamenti per pazienti con diversi sottotipi.
Il secondo studio, pubblicato sulla rivista Frontiers of Cardiovascular Medicine e condotto da esperti dell’Università di Medicina Cinese di Pechino, della Scuola di Scienze della Vita dell’Università di Medicina Cinese di Pechino, ha analizzato il rischio coronarico. Una semplice foto della lingua, grazie all’intelligenza artificiale, potrebbe rendere obsoleta l’angiografia, esame costoso e invasivo. La malattia coronarica (CAD) è la causa più comune di morte per malattia in tutto il mondo. Secondo l’Organizzazione Mondiale della Sanità, provoca 17,9 milioni di decessi l’anno a livello globale, quasi un terzo di tutti i decessi per malattia ogni anno. L’angiografia coronarica è attualmente il metodo migliore per confermare una diagnosi di CAD, ma comporta rischi per i pazienti e non è adatta per una diagnosi precoce e per valutare il rischio di malattia. Per la medicina tradizionale cinese le malattie si manifestano in modo visibile, ad esempio dal volto. Ritenuta fondamentale in questo senso è la diagnosi della lingua, che include la valutazione del colore, del rivestimento e della forma della lingua. La lingua, ricca di nervi e vasi sanguigni, funziona come parte integrante del sistema cardiovascolare, e il suo aspetto può cambiare con lo sviluppo di malattie e condizioni sistemiche, specialmente quelle che influenzano la circolazione sanguigna.
Inoltre, almeno 14 studi dal 2019 hanno stabilito che l’osservazione della lingua è un mezzo efficace per la diagnosi delle malattie. Con queste premesse, il team ha cercato di accertare se le immagini della lingua potessero servire come base per la diagnosi di CAD in modo non invasivo. Gli esperti hanno costruito due strutture diagnostiche per la CAD: una basata solo sui fattori di rischio tipici della malattia e un’altra che incorpora caratteristiche delle immagini della lingua con i fattori di rischio tipici. Hanno usato un algoritmo per l’estrazione delle caratteristiche della lingua, che ha dimostrato un’accuratezza complessiva superiore al 99%. I ricercatori hanno reclutato pazienti ipertesi tra i 18 e gli 85 anni da quattro diversi ospedali, per un totale di 244 pazienti con ipertensione e 166 pazienti aggiuntivi che presentavano ipertensione combinata con CAD. Gli esperti hanno dimostrato una buona capacità predittiva per il loro modello, specie quando oltre alle immagini della lingua si tiene conto dei fattori di rischio tipici della CAD. “Il nostro lavoro introduce una nuova prospettiva, suggerendo che le immagini della lingua hanno un valore diagnostico applicabile per la diagnosi di CAD”, concludono i ricercatori. “Le caratteristiche delle immagini della lingua potrebbero diventare nuovi indicatori di rischio per la CAD”.
di Isabella Faggiano
