Calcificazione aortica addominale: analisi AI può predirla
I ricercatori recentemente hanno utilizzato un modello AI per la valutazione di alcune immagini laterali della colonna vertebrale. La calcificazione aortica addominale (AAC) può essere valutata su queste immagini da specialisti di imaging addestrati per valutare il rischio di malattie cardiovascolari. Tuttavia, questo processo è laborioso e richiede un’attenta formazione del personale.
Cos’è la calcificazione aortica addominale?
La calcificazione aortica addominale può prevedere lo sviluppo di malattie cardiovascolari come l’infarto, l’ictus e determinare il rischio di mortalità. Studi precedenti hanno dimostrato che tale patologica è un marcatore affidabile per la demenza tardiva. La calcificazione è visibile sulle scansioni della densità ossea tipicamente utilizzate per rilevare l’osteoporosi nelle vertebre lombari. Il limite di questa metodica è la richiesta di tempo per l’analisi delle immagini raccolte da un professionista altamente qualificato.
Valutazione della gravità del disturbo
La calcificazione aortica addominale è comunemente identificata da specialisti di imaging addestrati utilizzando un sistema di punteggio di 24 punti, AAC-24. Un punteggio di zero non rappresenta alcuna calcificazione e un punteggio di 24 rappresenta il grado più grave della patologia. Ora, i ricercatori della Edith Cowan University in Australia si sono rivolti ad un modello AI per accelerare la valutazione della calcificazione e la determinazione del punteggio.
Dettagli in merito al nuovo studio
I ricercatori hanno inserito nel nuovo modello circa 5mila immagini scattate da quattro diversi modelli di apparecchiature per l’analisi della densità ossea. Sebbene siano stati sviluppati altri algoritmi per valutare la calcificazione aortica addominale da questi tipologia di immagini, i ricercatori ritengono che lo studio sia il primo ad essere testato in un ambiente reale utilizzando immagini prese da test di routine.
Analisi dei dati raccolti
Si sono analizzate le prestazioni del modello nel classificare accuratamente le immagini in categorie basse, moderate e alte di calcificazione in base al punteggio AAC-24. Per verificare l’accuratezza, i punteggi AAC basati sul modello AI si sono confrontati con i punteggi forniti da specialisti umani. Lo specialista e il software sono arrivati alla stessa determinazione nell’80% dei casi clinici. Il 3% dei pazienti con punteggio elevato è stato erroneamente diagnosticato come basso punteggio dall’AI. Questo risulta notevole poiché questi sono gli individui con maggior grado della malattia ed il più alto rischio di eventi cardiovascolari fatali.
Peculiarità del nuovo modello AI
I ricercatori affermano che il nuovo modello di intelligenza artificiale può analizzare le scansioni della densità ossea ad una velocità di circa 60.000 immagini al giorno. Questo risulta un grande miglioramento se si considera che lo specialista in media dedica tra i 5 e i 15 minuti per analizzare una singola immagine. Poiché queste immagini ed i punteggi automatizzati possono essere rapidamente acquisiti al momento del test, il nuovo modello potrebbe portare a nuovi approcci per l’individuazione precoce delle malattie cardiovascolari ed il monitoraggio delle malattie durante la pratica clinica di routine. Inoltre, il metodo potrebbe essere utilizzato per lo screening delle malattie prima che si presentino i sintomi.
Conclusioni e prospettive future
Questo nuovo approccio AI consentirà ai pazienti a rischio di apportare i necessari cambiamenti nello stile di vita molto prima, migliorandone le prospettive. Sicuramente è necessario ancora molto lavoro per migliorare l’accuratezza del software rispetto alle diagnosi eseguite da specialisti umani. I risultati riportati provengono dall’algoritmo versione 1.0, i ricercatori affermano che nelle versioni più recenti si sono raggiunti migliori risultati.