Un team giapponese ha sviluppato un modello di deep learning in grado di rilevare la steatosi epatica utilizzando semplici radiografie del torace, aprendo nuove prospettive per diagnosi piĂą accessibili e precoci.
Si stima che la steatosi epatica, conosciuta anche come fegato grasso, colpisca circa una persona su quattro a livello globale. Questa condizione, dovuta all’accumulo di grasso nel fegato, se trascurata, può evolvere in patologie gravi come la cirrosi o il carcinoma epatocellulare. La diagnosi precoce, dunque, è essenziale per intervenire in tempo e prevenire danni irreversibili.
Oggi, le tecniche diagnostiche standard prevedono l’utilizzo di ecografia, tomografia computerizzata (TAC) o risonanza magnetica (RMN). Tuttavia, questi esami richiedono apparecchiature costose e strutture sanitarie specializzate. Al contrario, le radiografie del torace sono ampiamente disponibili, poco costose e comportano una minore esposizione ai raggi X, ma vengono usate principalmente per valutare polmoni e cuore.
Ciò che pochi sanno è che, sebbene in modo parziale, anche il fegato può essere visibile nelle lastre toraciche. Proprio partendo da questa osservazione, un team giapponese ha deciso di approfondire il potenziale diagnostico di questo esame tradizionalmente sottovalutato in ambito epatico.
Un algoritmo salvavita
Guidato dai professori associati Sawako Uchida-Kobayashi e Daiju Ueda della Facoltà di Medicina dell’Università Metropolitana di Osaka, un gruppo di ricerca ha sviluppato un modello di intelligenza artificiale basato sul deep learning in grado di rilevare i segni della steatosi epatica dalle immagini radiografiche del torace.
Nel corso dello studio retrospettivo, i ricercatori hanno utilizzato 6.599 radiografie toraciche di 4.414 pazienti, correlate ai valori del CAP (Controlled Attenuation Parameter), uno strumento riconosciuto per valutare la quantità di grasso epatico. Il modello IA è stato addestrato su questo dataset e ha ottenuto eccellenti performance diagnostiche, con un’AUC (area under the ROC curve) compresa tra 0,82 e 0,83, a dimostrazione dell’accuratezza del rilevamento.
CREDITO
UniversitĂ metropolitana di Osaka
AccessibilitĂ , efficienza, prevenzione
“Lo sviluppo di metodi diagnostici basati su radiografie del torace economiche e di facile reperibilità ha il potenziale di migliorare drasticamente l’individuazione precoce del fegato grasso”, ha dichiarato il professor Uchida-Kobayashi. “Ci auguriamo che il nostro modello trovi ampia applicazione clinica nel prossimo futuro.”
Questo approccio innovativo potrebbe rivoluzionare lo screening della steatosi epatica, soprattutto nei Paesi con minori risorse sanitarie, riducendo tempi e costi per pazienti e sistemi sanitari.
Uno sguardo al futuro
L’integrazione dell’intelligenza artificiale nella diagnostica medica continua a dimostrare potenzialità sorprendenti. Se validato su scala più ampia, il modello sviluppato a Osaka potrebbe rappresentare un nuovo standard nella prevenzione delle malattie epatiche, favorendo l’emersione precoce di una condizione spesso silente ma potenzialmente letale.
Nel segno della tecnologia e della medicina che si intrecciano, la radiografia del torace, da sempre protagonista silenziosa delle corsie ospedaliere, si riscopre oggi strumento di diagnosi epatica, grazie all’occhio vigile – e inarrestabile – dell’intelligenza artificiale.
Hashtag per i social media
#IntelligenzaArtificiale #SteatosiEpatica #FegatoGrasso #RadiografiaTorace #DeepLearning #DiagnosiPrecoce #SanitĂ Digitale #AIinMedicina #InnovazioneSanitaria #OsakaResearch