Distinguere tra epatite autoimmune e colangite biliare primitiva può essere complesso, perché le due malattie condividono sintomi e manifestazioni cliniche. La sovrapposizione dei segnali può rendere incerta anche la lettura del tessuto prelevato attraverso una biopsia, con il rischio di impostare terapie non adeguate o di sottoporre il paziente a trattamenti non necessari.
Un modello addestrato su migliaia di immagini
Per affrontare questa difficoltà è stato realizzato uno studio multicentrico europeo dedicato alla diagnosi differenziale tra le due patologie autoimmuni del fegato. La ricerca ha sperimentato un sistema di intelligenza artificiale basato sul deep learning, chiamato Autoimmune Liver Neural Estimator, o ALNE.
L’algoritmo è stato addestrato sulle immagini digitali complete di preparati istologici raccolti nell’arco di 26 anni, dal 1997 al 2023. Il sistema ha analizzato i campioni senza che gli venissero indicate in anticipo le aree specifiche del tessuto da osservare. Al progetto hanno partecipato sei centri di riferimento europei, tra cui la struttura di Medicina Interna 1 dell’azienda ospedaliero-universitaria Maggiore della Carità di Novara, diretta da Mario Pirisi e sede del centro di riferimento regionale per l’immunologia.
I risultati della validazione
Nelle prove di validazione esterna, ALNE ha raggiunto un’accuratezza, misurata attraverso l’area sotto la curva Roc, pari a 0,81. L’analisi ha mostrato che il modello tende a concentrarsi sulle zone caratterizzate da una maggiore infiammazione, associandole soprattutto all’epatite autoimmune.
Un elemento centrale dello studio riguarda la variabilità delle valutazioni effettuate dagli specialisti. Gli stessi casi sono stati sottoposti all’esame di patologi generalisti e, quando i confini tra le due malattie risultavano meno netti, le interpretazioni potevano divergere in modo significativo. In queste situazioni, un sistema quantitativo può offrire un riferimento aggiuntivo e più uniforme per il medico.
I ricercatori descrivono ALNE come il primo modello capace di fornire una diagnosi differenziale quantitativa tra epatite autoimmune e colangite biliare primitiva. L’obiettivo non è sostituire il patologo, ma affiancare alla sua valutazione un’analisi digitale che contribuisca a ridurre i margini di errore e a orientare con maggiore precisione i percorsi terapeutici dei pazienti.