La letteratura riporta un numero sempre maggiore di evidenze dell’utilitĂ del deep learning come supporto alla diagnosi di neoplasie gastrointestinali, in particolare basandosi su reti neurali convoluzionali (CNN, convolutional neural network).
Un team di ricerca statunitense ha condotto una meta-analisi per studiare la performance di algoritmi di CNN nella diagnosi di una neoplasia gastrointestinale, partendo da immagini endoscopiche (Mohan BP, Khan SR, Kassab LL, Ponnada S, Dulai PS, Kochhar GS. Accuracy of convolutional neural network-based artificial intelligence in diagnosis of gastrointestinal lesions based on endoscopic images: A systematic review and meta-analysis. Endosc Int Open. 2020 Nov;8(11):E1584-E1594. doi: 10.1055/a-1236-3007. Epub 2020 Oct 22. PMID: 33140014; PMCID: PMC7581460).
L’analisi si è basata su 19 studi e ha portato ai seguenti risultati: i CNN hanno mostrato un’accuratezza media del 87,2% nel diagnosticare neoplasie all’esofago, con un “valore di predizione negativa” medio del 92,1%.
Per le lesioni allo stomaco i due valori sono rispettivamente del 85,8% e del 92,1%, mentre per le neoplasie colonrettali sono del 89,9% e del 94,3%.
La metanalisi sembra quindi confermare una certa utilitĂ del sistema di intelligenza artificiale nel diagnosticare la formazione di tumori nel tratto gastro-intestinale, con una potenza maggiore nella regione del colon-retto.
Allo studio, pubblicato in forma open, hanno partecipato la University of Utah Health di Salt Lake City (Utah), il Rush University Medical Center di Chicago (Illinois), la Mayo Clinic di Rochester (Minnesota), il Roanoke Medical Center di Roanoke (Virginia), la University of California di San Diego (California) e il Gastroenterology and Hepatology, Allegheny Health Network di Pittsburgh (Pennsylvania).
Stefania Somaré
