Le malattie rare sono spesso difficili da diagnosticare e prevedere il miglior corso di trattamento può essere impegnativo per i medici. Per affrontare queste sfide i ricercatori del Mahmood Lab della Harvard Medical School e del Brigham and Women's Hospital, negli Stati Uniti, hanno sviluppato un algoritmo di deep learning, uno dei metodi di intelligenze artificiali, in grado di apprendere caratteristiche che possono essere utilizzate per trovare casi simili in grandi archivi di immagini patologiche. Conosciuto come Sish (Self-Supervised Image Search for Histology), il nuovo strumento agisce come un motore di ricerca per le immagini di patologia e ha molte applicazioni potenziali, tra cui l'identificazione di malattie rare e l'aiuto ai medici nel determinare quali pazienti hanno probabilità di rispondere a terapie simili. Un articolo che descrive l'algoritmo di autoapprendimento è stato pubblicato su Nature Biomedical Engineering dello scorso 10 ottobre. «Dimostriamo che il nostro sistema è in grado di assistere nella diagnosi di malattie rare e di trovare casi con modelli morfologici simili senza la necessità di annotazioni manuali e di grandi serie di dati per l’addestramento supervisionato – ha dichiarato l’autore senior Faisal Mahmood, assistente professore di patologia presso l’Hms del Brigham and Women’s –. Questo sistema ha il potenziale per migliorare la formazione in patologia, la sottotipizzazione delle malattie, l’identificazione dei tumori e l’identificazione di morfologie rare». Nel complesso, l'algoritmo ha dimostrato la capacità di recuperare in modo efficiente le immagini indipendentemente dalle dimensioni dell'archivio e in diversi set di dati. Ha inoltre dimostrato di essere in grado di diagnosticare tipi di malattie rare e di fungere da motore di ricerca per riconoscere determinate regioni delle immagini che possono essere rilevanti per la diagnosi. Questo lavoro può essere di grande aiuto per gli approcci futuri alla diagnosi, alla prognosi e all'analisi delle malattie. «Con la continua crescita delle dimensioni dei database di immagini, speriamo che Sish possa essere utile per facilitare l’identificazione delle malattie – ha dichiarato Mahmood –. Riteniamo che un’importante direzione futura in questo settore sia il reperimento multimodale dei casi, che prevede l’utilizzo congiunto di dati patologici, radiologici, genomici e di cartelle cliniche elettroniche per trovare casi simili di pazienti». In questo caso le intelligenze artificiali possono essere un ottimo alleato per diagnosticare velocemente e in maniera precoce le malattie rare e favorire così una presa in carico del paziente repentina in ogni parte del mondo. © riproduzione riservata