La remissione endoscopica e istologica della mucosa intestinale rappresentano un obiettivo terapeutico raccomandato per il trattamento della Colite Ulcerosa. Per valutare questi parametri è necessario eseguire un’endoscopia inferiore con biopsie e interpretare visivamente lo stato infiammatorio della mucosa. Si tratta di metodiche soggette a una notevole variabilità intra-osservatore e ciò ha implicazioni importanti sull’efficacia della terapia.
Questo studio prospettico mira a illustrare il progetto di un Deep Neural Network Model che permetta di valutare la remissione endoscopica e istologica a partire da immagini endoscopiche.
Il software è stato realizzato tramite la classificazione e interpretazione di 40,758 endoscopie e 6,885 biopsie di 2,012 pazienti e successivamente convalidato attraverso l’analisi di 4,187 immagini di colonscopie e 4,104 biopsie di 875 pazienti. Le immagini endoscopiche sono state selezionate a partire dalle aree della mucosa intestinale con le lesioni più severe e le biopsie eseguite nella stessa zona. Un Ulcerative Colitis Endoscopic Index of Severity score (UCEIS) pari a 0 è stato associato alla remissione endoscopica e un Geboes score uguale o inferiore a 3 alla remissione istologica. Il network è stato progettato in modo da fornire tre output: remissione endoscopica (sì/no), remissione istologica (sì/no) e Ulcerative Colitis Endoscopic Index of Severity score. Le stesse immagini sono state analizzate da esperti gastroenterologi e patologi in cieco e i risultati confrontati con gli output del deep neural network for evaluation of ulcerative colitis (DNUC).
Rispetto ai ricercatori, il DNUC ha riportato un’accuratezza nel riconoscimento della remissione endoscopica del 90.1% (95% IC, 89.2%–90.9%) e del 92.9% nel predire la remissione istologica (95% IC, 92.1%–93.7%) senza la necessità di biopsia.
Tuttavia, i limiti del Deep Neural Learning, che rendono ancora incerto la sua possibilità di inserimento nella pratica clinica, sono la necessità di numerosi input per un funzionamento ottimale e di un’accurata refertazione dei risultati da parte di personale medico.
In conclusione, il DNUC potrebbe risolvere il problema della discrepanza nella valutazione endoscopica, che risulta essere notevolmente influenzata dall’esperienza del singolo operatore, e permetterebbe di eseguire una valutazione istologica senza la necessità di eseguire una biopsia, riducendo sia i rischi che i costi associati a questa metodica.
Link all’articolo: https://pubmed.ncbi.nlm.nih.gov/32060000/