L'intelligenza artificiale aiuta in caso di diabete

Identificati in anticipo i primi segni della malattia

Grazie a un modello di deep learning automatizzato, gli scienziati del National Institutes of Health Clinical Center di Bethesda hanno identificato i primi segni di diabete di tipo 2 su scansioni TC addominali.
I risultati, pubblicati su Radiology, evidenziano le potenzialità dell'intelligenza artificiale nella diagnosi della malattia. In passato, alcuni studi avevano dimostrato che i pazienti diabetici tendevano ad accumulare più grasso viscerale e all'interno del pancreas rispetto agli altri, ma le aree vicine al pancreas non erano ancora state analizzate a fondo.
«L'analisi delle caratteristiche sia pancreatiche che extra-pancreatiche è un approccio nuovo e, per quanto ne sappiamo, non è stata oggetto di studio», ha spiegato il primo autore Hima Tallam.
I ricercatori hanno utilizzato un set di dati di pazienti sottoposti a screening di routine con TC del cancro del colon-retto presso la University of Wisconsin Hospital and Clinics. Dei quasi 9.000 pazienti sottoposti a screening tra il 2004 e il 2016, 572 avevano ricevuto una diagnosi di diabete di tipo 2 e 1.880 presentavano disglicemia, ovvero livelli di zucchero nel sangue troppo bassi o troppo elevati. Non c'era sovrapposizione tra diabete e diagnosi di disglicemia.
Per giungere a una sintesi del modello di deep learning, gli scienziati hanno usato 471 immagini ottenute da diversi set di dati, fra cui Medical Data Decathlon, The Cancer Imaging Archive e la Beyond Cranial Vault Challenge. Le immagini sono state quindi suddivise in tre sottoinsiemi: 424 per l'addestramento, 8 per la convalida e 39 per i test. I ricercatori hanno incluso anche i dati di quattro cicli di apprendimento attivo.
Rispetto all'analisi manuale - che richiede però molto tempo - il modello ha mostrato la stessa precisione ed efficacia. Il modello ha analizzato non solo le caratteristiche pancreatiche, ma anche grasso viscerale, densità, volumi dei muscoli e degli organi addominali circostanti.
È così emerso che i pazienti con diabete avevano una densità del pancreas inferiore e una maggiore quantità di grasso viscerale rispetto ai pazienti senza diabete.
«Abbiamo scoperto che il diabete era associato alla quantità di grasso all'interno del pancreas e dell'addome dei pazienti», ha spiegato Summers. «Più grasso c'era in queste due posizioni, più era probabile che i pazienti avessero il diabete per un periodo di tempo più lungo».
I migliori predittori del diabete di tipo 2 nel modello finale includevano la percentuale di grasso intrapancreatico, la dimensione frattale del pancreas, la gravità della placca a livello delle vertebre L1-L4, l'attenuazione media della TC epatica e l'indice di massa corporea (BMI). Il modello di deep learning ha utilizzato questi predittori per distinguere con accuratezza i pazienti con e senza diabete.
«Questo studio è un passo verso un uso più ampio di metodi automatizzati per affrontare le sfide cliniche», hanno concluso gli autori. «Potrebbe anche fornire informazioni alla ricerca futura sui motivi dei cambiamenti che si verificano nelle caratteristiche morfologiche del pancreas nei pazienti con diabete. Ci auguriamo che i biomarcatori CT qui esaminati possano informare la diagnosi delle fasi iniziali del diabete di tipo 2 e consentire ai pazienti di apportare modifiche allo stile di vita per alterare il decorso della malattia».

15/04/2022 16:10:00 Andrea Sperelli


Notizie correlate