La notizia in sintesi
- ANSA riferisce di un modello AI per due malattie autoimmuni del fegato.
- Il sistema analizza immagini digitalizzate delle biopsie epatiche.
- Lo studio europeo coinvolge sei centri, incluso l’ospedale di Novara.
- L’obiettivo è supportare il patologo nella scelta diagnostica e terapeutica.
Riassunto generato con AI
AI e biopsie per distinguere le malattie epatiche
L’intelligenza artificiale può aiutare a distinguere l’epatite autoimmune, indicata come Aih, dalla colangite biliare primitiva, Pbc: due malattie autoimmuni del fegato che possono mostrare caratteristiche sovrapponibili nelle biopsie. La ricerca, riportata da ANSA il 25 agosto 2026 da Torino, nasce da uno studio multicentrico europeo che punta a rendere più precisa la diagnosi differenziale. Il motivo è clinicamente rilevante: identificare con maggiore accuratezza la patologia consente di indirizzare il paziente verso il percorso terapeutico più appropriato.
Il progetto ha sviluppato Autoimmune liver neural estimator, denominato Ane, un modello di deep learning progettato per esaminare le immagini digitalizzate delle biopsie epatiche. Il sistema è stato ideato come strumento di supporto per riconoscere i tratti che distinguono le due condizioni, senza sostituire la valutazione specialistica. L’uso dell’algoritmo interviene quindi nella fase interpretativa dei preparati istologici, dove la sovrapposizione di alcuni elementi può rendere più complessa la lettura.
Lo studio riunisce sei centri europei di riferimento e comprende anche la struttura di Medicina Interna 1 dell’Azienda ospedaliero-universitaria Maggiore della Carità di Novara, diretta dal professor Mario Pirisi. All’interno dell’azienda opera inoltre la struttura di Immunologia, riconosciuta dalla Regione Piemonte come Centro di alta specializzazione di riferimento regionale. Le biopsie utilizzate per l’analisi sono state raccolte in un arco temporale compreso fra il 1997 e il 2023.
Le innovazioni piu' interessanti di tecnologia e scienza, dritte nella tua inbox.
Come funziona il modello Ane
Il modello Ane è stato addestrato direttamente sulle immagini digitali complete dei preparati istologici, cioè sulle biopsie del fegato trasformate in dati analizzabili dal sistema. Questo approccio consente al deep learning di elaborare l’intero quadro visivo disponibile, anziché limitarsi a un’informazione descrittiva isolata. La ricerca è stata impostata per verificare se l’algoritmo fosse in grado di separare due diagnosi che possono presentarsi con aspetti in parte comuni.
I risultati indicano una buona capacità di distinguere l’epatite autoimmune dalla colangite biliare primitiva. Il dato non equivale a un’autonomia diagnostica della macchina: il modello è stato pensato per affiancare il patologo nella valutazione specialistica. La distinzione resta affidata a un percorso medico, ma l’intelligenza artificiale può offrire un ulteriore elemento di lettura delle immagini.
L’analisi ha permesso anche di osservare quali parti della biopsia attirassero maggiormente l’attenzione dell’algoritmo. Fra gli elementi evidenziati figurano le zone caratterizzate da una maggiore infiammazione. Questo aspetto rende più comprensibile il comportamento del modello, perché collega l’esito dell’elaborazione a caratteristiche presenti nel preparato istologico.
La possibilità di individuare le aree su cui si concentra il sistema è rilevante nel rapporto tra tecnologia e pratica clinica. Un supporto basato sulle immagini può essere utile solo se inserito nella valutazione di uno specialista, che conserva la responsabilità dell’interpretazione diagnostica. La ricerca descritta da ANSA colloca infatti Ane come affiancamento, non come alternativa, al patologo.
Il carattere multicentrico europeo rafforza il perimetro della sperimentazione, basata su materiali raccolti nel tempo da più strutture di riferimento. La presenza della Medicina Interna 1 della Maggiore della Carità lega il lavoro anche al sistema sanitario piemontese e al centro di Immunologia riconosciuto dalla Regione Piemonte. La base analizzata comprende biopsie raccolte nell’arco di 26 anni, dal 1997 al 2023.
Il possibile impatto sul percorso diagnostico
La conseguenza più concreta prospettata dalla ricerca riguarda la precisione della diagnosi differenziale tra Aih e Pbc. Quando le caratteristiche delle due malattie si sovrappongono, una lettura più supportata delle biopsie può contribuire a indirizzare il paziente verso il trattamento appropriato. Il beneficio indicato nello studio non è dunque la sostituzione della competenza medica, ma un aiuto nell’orientare una decisione specialistica.
L’aspetto più significativo è la capacità del modello di evidenziare le aree di maggiore infiammazione che hanno inciso sulla sua valutazione. Rendere visibili questi punti di attenzione può favorire un confronto più informato con l’esame del patologo. Il passo successivo implicito è mantenere l’algoritmo dentro un processo clinico controllato, coerente con la funzione di supporto dichiarata dai ricercatori.
FAQ
Quali malattie distingue il modello Ane?
Ane è progettato per distinguere l’epatite autoimmune, Aih, dalla colangite biliare primitiva, Pbc, attraverso l’analisi delle immagini digitalizzate delle biopsie epatiche.
Il sistema sostituisce il patologo?
No: lo studio indica esplicitamente che l’obiettivo è affiancare il patologo nella valutazione specialistica, non sostituirne l’interpretazione diagnostica.
Su quali campioni è stato addestrato Ane?
Il modello è stato addestrato sulle immagini digitali complete di biopsie epatiche raccolte dai centri coinvolti tra il 1997 e il 2023.
Quali elementi osserva maggiormente l’algoritmo?
L’analisi ha rilevato che l’algoritmo concentra l’attenzione, fra gli altri aspetti, sulle zone delle biopsie caratterizzate da maggiore infiammazione.
Come è stata verificata questa notizia?
Il contenuto nasce da un’analisi approfondita e da una verifica incrociata della nostra Redazione su numerose fonti, tra cui Agenzia ANSA, con supervisione umana prima della pubblicazione.
Articolo generato dal sistema di redazione AI di Datamoney, con supervisione umana finale.Non perdere gli errori di prezzo clamorosi su Amazon!
Iscriviti al canale Telegram e ricevili in tempo reale
Guide agli acquisti su Amazon
Le notizie più lette
