Biomed CuE » Bioimmagini » Endosonografia e intelligenza artificiale nell’imaging viscerale

Endosonografia e intelligenza artificiale nell’imaging viscerale

L'intelligenza artificiale si pone come valido strumento a supporto dell'endosonografia per la standardizzazione delle procedure cliniche. Il Prof. Dott. Christoph Frank Dietrich è il pioniere di questa nuova pratica ancora oggi messa in discussione.

Categorie Bioimmagini · Innovazione · Medicina

L’endosonografia e l’intelligenza artificiale (AI) pongono sfide uniche ai professionisti del settore, che dovono saper padroneggiare due discipline impegnative contemporaneamente. Il Prof. Dott. Christoph F. Dietrich afferma che l’uso dell’intelligenza artificiale potrebbe aiutare ad accelerare l’apprendimento delle procedure mediche, standardizzare le immagini e migliore il processing dei risultati. Purtroppo ci sono ancora ostacoli che si frappongono tra la tecnologia e la pratica clinica.

Prof. Dott. Christoph F. Dietrich propone l’intelligenza artificiale come strumento rivoluzionario per la standardizzazione delle procedure cliniche endoscopiche

endosonografia e intelligenza artificiale
Il Prof. Dott. Christoph Frank Dietrich pioniere nell’utilizzo dell’intelligenza artificiale a supporto all’endosografia. Credits: Frankfurt School of Finance and Management.

Il Prof. Dott. Christoph Frank Dietrich è il primario di Medicina Interna Generale DAIM presso l’Hirslanden di Berna, Svizzera. È esperto di malattie gastrointestinali. Le sue competenze comprendono anche ematologia-oncologia, cure palliative, pneumologia e medicina geriatrica.

Il Dott. Christoph Frank Dietrich ha dedicato la sua vita alla guida delle procedure diagnostiche e dell’anatomia degli organi. Si impegna a fondo per fornire ai pazienti un trattamento di qualità basato sui recenti aggiornamenti scientifici. Attualmente sta svolgendo ricerche con altri rinomati medici del settore oncologico per la diagnosi precoce, la stadiazione del cancro e le corrette tecniche di ecografia. Ed è proprio in quest’ultima attività che il dottore assieme al suo team stanno lavorando sull’utilizzo dell’AI come strumento a supporto dell’endosonografia.

Coloro che utilizzano l’endosonografia con metodi convenzionali da molti anni tendono ad essere scettici sull’effettivo ruolo dell’intelligenza artificiale. Al fine di porre su solide basi la discussione sui pro e i contro della nuova tecnologia, Dietrich sta attualmente lavorando insieme a un gruppo di 25 esperti su un “position paper” della World Federation for Ultrasound in Medicine and Biology (WFUMB) , un documento destinato a guidare in modo ordinato la gestione della nuova tecnologia: “Da un lato, si tratta di superare i limiti con l’aiuto dell’AI e di essere aperti alle nuove possibilità“.

L’endosonografia è la disciplina che combina l’endoscopia e l’utilizzo degli ultrasuoni

Esempio di sonda endoscopica endosonografia e intelligenza artificiale
Esempio di sonda endoscopica. Credits: GesundHeit

Dall’inglese “Endoscopic UltraSonography” deriva il termine Endosonografia ed è una tecnica endoscopica mirata allo studio del tratto gastroenterico superiore ed inferiore. È una tecnica che si basa sull’utilizzo di un endoscopio simile a quello adoperato per le più comuni gastroscopie e colonscopie. Questo consente, mediante l’utilizzo di ultrasuoni, di analizzare le pareti degli organi e le strutture anatomiche adiacenti.

L’endonosografia permette di acquisire immagini dettagliate del tratto gastroenterico. In più, consente di valutare  in modo accurato patologie dell’esofago, dello stomaco, del colon-retto e degli organi ad essi contigui (mediastino, pancreas, vie biliari e  fegato). Mediante l’utilizzo di un ago sottile che viene inserito attraverso l’ecoendoscopio, è possibile eseguire campionamenti di cellule e/o tessuti. Tale metodica consente, inoltre, di aspirare cisti, pseudocisti o raccolte liquide a fini diagnostici/terapeutici e anche di iniettare sostanze anestetiche utili al controllo del dolore che può essere presente in alcune malattie pancreatiche. 

La durata della procedura varia mediamente da 15 a 45 minuti. Ciò dipende dalla complessità del caso e dalla necessità o meno di eseguire un prelievo di tessuto per una diagnosi cito-istologica, mediante un ago sottile. Inoltre, nel corso di alcune procedure potrà essere iniettato in vena un mezzo di contrasto ecografico che permette di valutare l’architettura dei tessuti.

Il ruolo dell’intelligenza artificiale nell’endoscopia

L’uso della sola ecografia non è sempre così semplice da applicare. Questo perchè ci sono molti parametri medici variabili da interpretare e da tenere in considerazione. Oltretutto, il processo di valutazione di alcune malattie, in particolare per ciò che riguarda il pancreas, non è standardizzato. L’intelligenza artificiale potrebbe aiutare a stabilire procedure standardizzate e definire parametri di qualità per la presentabilità e la valutabilità delle malattie.

Un esempio è il supporto decisionale per anomalie diffuse nell’imaging del pancreas: le prime forme di fibrosi con infiammazione possono indicare processi degenerativi come pancreatite cronica. Tuttavia, questi cambiamenti sono difficilmente visibili ad occhio nudo. L’intelligenza artificiale potrebbe fornire preziose informazioni aggiuntive per identificare e classificare tali risultati in una fase iniziale.

L’AI è la tecnologia che, servendosi di un algoritmo di Deep Learning, supporta il gastroenterologo endoscopista nell’individuare, ad esempio, i polipi del colon e a caratterizzarli, fornendo informazioni aggiuntive.  E’ anche in grado di riconoscere lesioni sospette non polipoidi. Il tasso di rilevamento di polipi ed adenomi è uno degli indicatori di qualità dello screening endoscopico; la localizzazione ed eventuale rimozione precoce, prima dell’evoluzione in cancro, è fondamentale nell’ambito della prevenzione.

Molti studi hanno dimostrato come le tecniche di AI aumentino il tasso di rilevamento dei polipi. Tutto ciò è fondamentale in un’ottica di medicina preventiva in cui il gold-standard per lo screening del cancro colon-rettale è proprio la colonscopia.

Altro importante contributo dell’intelligenza artificiale è il riconoscimento delle rigidità tissutali nell’elastografia

endosonografia e intelligenza artificiale
a) Ecografia endoscopica in B-mode; b) ecogradia endoscopica a contrasto; c) elastografia; d) ecografia con aspirazione con ago.
a) Ecografia endoscopica in B-mode; b) ecogradia endoscopica a contrasto; c) elastografia; d) ecografia con aspirazione con ago. Credits: Healthcare in Europe

Altre potenziali aree di applicazione riguardano l’elastografia, in cui l’AI registra una rigidità insolita nel tessuto e indica specificamente queste aree sospette al medico. Anche un’analisi del comportamento della vascolarizzazione e della perfusione nell’ecografia con mezzo di contrasto potrebbe trarre vantaggio dagli algoritmi. D’altra parte, una maggiore vascolarizzazione indica solitamente un processo infiammatorio o neoplastico benigno, in quanto questi sono associati a vasi dilatati o addizionali. Gli indicatori di elastografia non si applicano solo al pancreas, ma possono essere utilizzati in linea di principio per tutti gli organi. Il tessuto molle funge da marcatore di esclusione del carcinoma pancreatico.

L’AI potrebbe anche essere un valido aiuto per i diagnostici inesperti. Ad esempio, una valutazione automatica dei parametri di impostazione potrebbe garantire che il segnale ultrasonico raggiunga una profondità di penetrazione sufficiente e una migliore validità. La segmentazione delle strutture anatomiche supportata dall’intelligenza artificiale potrebbe servire come ausilio alla navigazione e indicare specificamente le strutture che si discostano dalla norma.

Attualmente, queste applicazioni sono ancora in fase sperimentale e di ricerca. Tuttavia il prof Dietrich è fiducioso che in futuro i medici potranno beneficiare dell’assistenza fornita dall’AI. Tuttavia è importante esaminare le potenzialità della tecnologia, metodi di apprendimento, il riconoscimento di modelli e quale valore aggiunto possono avere per i pazienti.