(Reuters Health) – Un nuovo sistema di intelligenza artificiale potrebbe rilevare i primi segnali e la gravità del rigetto da trapianto cardiaco. A mettere a punto il sistema e a testarlo sono stati Faisal Mahmood, del Brigham Women’s Hospital di Boston (USA), e colleghi, che hanno descritto la strategia su Nature Medicine.
Il sistema, chiamato Cardiac Rejection Assessment Neural Estimator (CRANE), è stato messo a punto per essere usato insieme alle valutazioni cliniche, allo scopo di dare rapidamente una diagnosi accurata di rigetto e valutarne la gravità.
CRANE è un sistema di intelligenza artificiale basato sull’apprendimento che valuta in modo automatizzato le immagini ottenute dalla biopsia. Il team ha programmato il sistema per il rilevamento, la sottotipizzazione e la classificazione del rigetto da trapianto usando migliaia di immagini provenienti da oltre 1.300 biopsie cardiache.
E per valutare le prestazioni del modello, il team ha curato un ampio set di dati dagli USA, nonché da coorti provenienti da Svizzera e Turchia, includendo, così, la variabilità tra le popolazioni, le preparazioni dei campioni e la strumentazione per la scansione dei vetrini.
CRANE è stato in grado di rilevare il rigetto con un’area sotto la curva di 0,962. Inoltre, ha valutato il tipo di rigetto, se cellulare o anticorpo-mediato, con una AUC rispettivamente di 0,958 e di 0,874, ha rilevato lesioni Quilty B, che imitano il rigetto, con un’AUC di 0,939 e ha differenziato tra rigetti di alto e basso grado con un’AUC di 0,833.
Infine, da un confronto con un esperto umano, si è visto che CRANE non produce risultati peggiori di una valutazione convenzionale e riduce sia la variabilità tra osservatori che il tempo di valutazione.
“La biopsia endomiocardica rappresenta lo standard di cura per rilevare i rigetti d’organo dopo un trapianto di cuore”, hanno spiegato gli autori, secondo i quali “l’interpretazione manuale della biopsia è variabile e porta, spesso, a un trattamento inappropriato con farmaci immunosoppressori e biopsie di follow-up inutili”.
“Il modello che abbiamo messo a punto dimostra che è possibile la valutazione guidata dall’intelligenza artificiale”, ha spiegato Mahmood alla Reuters Health. “In futuro integreremo l’intera cartella clinica del paziente, oltre alle immagini, per migliorare ancora di più il modello”, ma la sfida più grande, secondo Mahmood, sarà “la transizione dall’attuale uso dei vetrini all’applicazione di queste nuove tecnologie”.
Secondo Alex Reyentovich, della NYU Langone Health di New York, “alla luce della soggettività della valutazione psicologica, questo strumento potrebbe portare alla standardizzazione nell’assistenza clinica e nella ricerca”. Tuttavia, “abbiamo bisogno di studi clinici ben fatti per assicurarci che questa strategia si traduca in un miglioramento dei risultati dei pazienti e non solo in un aumento dei costi delle cure”, ha concluso l’esperto.
Fonte: Nature Medicine
Marilynn Larkin
(Versione italiana Quotidiano Sanità/Popular Science)
