Home Cittadino Malattie epatiche croniche e intelligenza artificiale: nuovo algoritmo migliora l’identificazione dei pazienti a rischio

Cittadino Educazione Sanitaria Emilia Romagna NT News Regionali

Malattie epatiche croniche e intelligenza artificiale: nuovo algoritmo migliora l’identificazione dei pazienti a rischio

Redazione Nurse Times17 Luglio 20262 min di lettura

Un team di ricercatori coordinato dal professor Antonio Colecchia, docente dell’Università di Modena e Reggio Emilia (UniMoRe) e direttore della Gastroenterologia del Policlinico di Modena, in collaborazione con l’Università di Yale (Usa) e con numerosi centri di eccellenza europei e internazionali, ha sviluppato e validato un innovativo algoritmo di intelligenza artificiale capace di predire in modo non invasivo la presenza di ipertensione portale clinicamente significativa (CSPH), tra le principali cause di scompenso e mortalità nei pazienti con malattie epatiche croniche avanzate.

I risultati della relativa ricerca, già accettati per la pubblicazione sul Journal of Hepatology, la più autorevole rivista internazionale del settore, confermano il ruolo crescente dell’intelligenza artificiale nella medicina di precisione e aprono nuove prospettive per la diagnosi e la gestione delle malattie epatiche croniche.

Lo studio che ha portato allo sviluppo dell’algoritmo, denominato Pan-Elastography Machine Learning Score (ELM Score), ha coinvolto oltre 1.400 pazienti provenienti da diversi centri internazionali, rappresentando così una delle più ampie casistiche multicentriche mai utilizzate per lo sviluppo e la validazione di un modello di intelligenza artificiale in ambito epatologico.

L’algortimo ELM Score combina i dati ottenuti dall’elastografia del fegato e della milza con informazioni cliniche di uso routinario, tra cui conta piastrinica, punteggio Child-Pugh, età, sesso ed eziologia della malattia, attraverso un avanzato modello di machine learning.

Tra gli elementi di maggiore innovazione figura la capacità dell’algoritmo di integrare e armonizzare dati provenienti dalle principali tecnologie elastografiche oggi impiegate nella pratica clinica (FibroScan, ARFI e 2D-Shear Wave Elastography), introducendo per la prima volta il concetto di score pan-elastografico, utilizzabile indipendentemente dalla metodica diagnostica adottata.

I risultati evidenziano un significativo miglioramento rispetto agli attuali criteri diagnostici raccomandati dalle linee guida internazionali. ELM Score riduce infatti l’area di incertezza diagnostica da circa il 48% a poco più del 12% dei casi, mantenendo un’elevata accuratezza nell’identificazione dei pazienti a maggior rischio di complicanze e consentendo una stratificazione del rischio più uniforme e affidabile.

L’adozione di questo strumento di intelligenza artificiale potrebbe inoltre rendere più rapida e sicura la selezione dei pazienti candidati a trattamenti preventivi con beta-bloccanti, limitando il ricorso alla misurazione del gradiente pressorio venoso epatico (HVPG), metodica invasiva che rappresenta il gold standard diagnostico, ma che è disponibile soltanto in centri altamente specializzati.

“L’impiego dell’intelligenza artificiale – dichiara il professor Antonio Colecchia (UniMoRe) – ci permette di integrare in modo efficace dati clinici e strumentali, migliorando la capacità di individuare i pazienti con ipertensione portale clinicamente significativa e di orientarli più precocemente verso le strategie terapeutiche più appropriate”.

E ancora: “ELM Score rappresenta un importante passo avanti verso una medicina sempre più personalizzata e meno invasiva, pur nella consapevolezza che saranno necessari ulteriori studi prospettici e il completamento del percorso di approvazione regolatoria prima della sua applicazione nella pratica clinica quotidiana”.

Redazione Nurse Times

Articloli correlati