Notizia

Oct 29, 2023

Algoritmo di rilevamento automatico basato sul deep learning per l’emorragia intracranica acuta: uno studio clinico randomizzato fondamentale

npj Digital Medicine volume

npj Medicina Digitale volume 6, numero articolo: 61 (2023) Citare questo articolo

1636 accessi

14 Altmetrico

Dettagli sulle metriche

L’emorragia intracranica acuta (AIH) è un’emergenza potenzialmente pericolosa per la vita che richiede una valutazione e una gestione tempestive e accurate. Questo studio mira a sviluppare e convalidare un algoritmo di intelligenza artificiale (AI) per diagnosticare l'AIH utilizzando immagini di tomografia computerizzata del cervello (CT). È stato condotto uno studio retrospettivo, multi-lettore, cardine, crossover, randomizzato per convalidare le prestazioni di un algoritmo AI addestrato utilizzando 104.666 sezioni di 3.010 pazienti. Le immagini TC del cervello (12.663 sezioni di 296 pazienti) sono state valutate da nove revisori appartenenti a uno dei tre sottogruppi (medici non radiologi, n = 3; radiologi certificati, n = 3; e neuroradiologi, n = 3) con e senza l'aiuto del nostro algoritmo AI. Sensibilità, specificità e accuratezza sono state confrontate tra interpretazioni non assistite e assistite da AI utilizzando il test chi-quadrato. L'interpretazione della TC cerebrale con l'assistenza dell'AI determina un'accuratezza diagnostica significativamente più elevata rispetto a quella senza l'assistenza dell'AI (0,9703 vs. 0,9471, p < 0,0001, a livello di paziente). Tra i tre sottogruppi di revisori, i medici non radiologi dimostrano il maggiore miglioramento nell’accuratezza diagnostica per l’interpretazione della TC cerebrale con l’assistenza dell’IA rispetto a quella senza assistenza dell’IA. Per i radiologi abilitati, l’accuratezza diagnostica per l’interpretazione della TC cerebrale è significativamente più elevata con l’assistenza dell’IA che senza l’assistenza dell’IA. Per i neuroradiologi, sebbene l’interpretazione della TC cerebrale con l’assistenza dell’IA dia luogo a una tendenza verso una maggiore accuratezza diagnostica rispetto a quella senza l’assistenza dell’IA, la differenza non raggiunge la significatività statistica. Per il rilevamento dell’AIH, l’interpretazione della TC cerebrale con l’assistenza dell’IA determina prestazioni diagnostiche migliori rispetto a quella senza l’assistenza dell’AI, con il miglioramento più significativo osservato per i medici non radiologi.

L’emorragia intracranica acuta (AIH) è una malattia pericolosa per la vita con un tasso di mortalità a 30 giorni che varia dal 35% al ​​52%. In particolare, si prevede che solo il 20% dei sopravvissuti raggiunga il pieno recupero funzionale a 6 mesi1,2,3. Le scansioni di risonanza magnetica (MRI) possono essere accurate quanto le scansioni TC per quanto riguarda il rilevamento dell'AIH nei pazienti che presentano sintomi acuti di ictus focale4 e sono più accurate delle scansioni TC in termini di rilevamento della microemorragia. Tuttavia, le scansioni TC cerebrali senza contrasto rappresentano l’approccio diagnostico di prima linea più utilizzato per identificare l’AIH a causa dei numerosi svantaggi delle scansioni MRI, tra cui la disponibilità limitata, i lunghi tempi di acquisizione delle immagini, i costi elevati e i problemi di tolleranza del paziente5,6

Nonostante la rilevanza clinica della diagnosi di AIH utilizzando le scansioni TC cerebrali – i falsi negativi possono ritardare la diagnosi corretta, che può causare conseguenze devastanti, mentre i falsi positivi porteranno a esami non necessari – la valutazione rapida e accurata dell’AIH utilizzando le scansioni TC cerebrali rimane una sfida per i medici. Inoltre, gli elevati volumi di dati di imaging che richiedono valutazione impongono un onere significativo ai radiologi che devono mantenere l’accuratezza e l’efficienza diagnostica7,8.

Negli ultimi dieci anni, la tecnologia dell’intelligenza artificiale (AI) basata sul deep learning ha compiuto progressi significativi con miglioramenti nella potenza dei computer e nell’accumulo di “big data”. I progressi nel riconoscimento delle immagini basato sul deep learning, come parte dell’apprendimento automatico, stanno trasformando il campo medico e hanno il potenziale per migliorare ulteriormente i processi nel campo dell’imaging medico9. Queste innovazioni possono aumentare l’accuratezza diagnostica, consentire una diagnosi tempestiva e una migliore gestione di varie condizioni e facilitare nuove conoscenze biologiche. Sono stati sviluppati vari algoritmi di intelligenza artificiale per la diagnosi di AIH e hanno mostrato risultati promettenti nel rilevamento, classificazione, quantificazione e previsione dell'AIH utilizzando scansioni TC cerebrali7,8,10,11,12,13,14,15.