Intelligenza artificiale, nuovo algoritmo migliora l’identificazione dei pazienti a rischio di complicanze epatiche

Il nuovo contributo della ricerca internazionale conferma il potenziale dell'intelligenza artificiale nel migliorare la diagnosi e la gestione delle malattie epatiche croniche avanzate. 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 numerosi centri di eccellenza europei e internazionali, ha sviluppato e validato Pan-Elastography Machine Learning Score (ELM Score), 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 malattia epatica cronica avanzata. Lo studio, che ha coinvolto oltre 1.400 pazienti provenienti da diversi centri internazionali, rappresenta una delle più ampie casistiche multicentriche mai utilizzate per lo sviluppo e la validazione di un modello di intelligenza artificiale in ambito epatologico. L'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. L'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 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 – 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. L'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».

I risultati della ricerca, già accettati per la pubblicazione (in press) sul Journal of Hepatology, la più autorevole rivista internazionale del settore, con un Impact Factor pari a 40, 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.

• Maltempo, a Finale Emilia chiusi parchi, aree verdi, cimitero e ciclabile ex Sefta