L'IA individua i segnali al pancreas fino a 3 anni prima

AGI - Un modello di intelligenza artificiale è in grado di individuare segnali "invisibili" del tumore al pancreas fino a oltre un anno prima della diagnosi clinica, aprendo la strada a una possibile identificazione precoce della malattia quando è ancora trattabile. E' quanto emerge da uno studio guidato da Ajit Harishkumar Goenka e colleghi, pubblicato sulla rivista Gut. Il sistema, chiamato REDMOD (Radiomics-based Early Detection Model), analizza immagini da tomografia computerizzata per rilevare sottili alterazioni della struttura del tessuto pancreatico non individuabili dall'occhio umano o dalle tecniche convenzionali.

Sintomi del cancro al pancreas

In media, il modello ha identificato la firma precoce del carcinoma duttale pancreatico circa 475 giorni prima della diagnosi. Il carcinoma pancreatico è tra le neoplasie con prognosi peggiore, spesso diagnosticato in fase avanzata a causa dell'assenza di sintomi e di segni visibili nelle fasi iniziali. Il nuovo approccio potrebbe consentire di intercettare la malattia allo stadio 0, migliorando sensibilmente le possibilità di cura.

"Questa finestra temporale è cruciale perché una diagnosi precoce aumenterebbe significativamente la probabilità di sopravvivenza", osservano i ricercatori. Per valutare l'efficacia del modello, gli studiosi hanno analizzato scansioni di 219 pazienti inizialmente considerati sani, ma successivamente diagnosticati con tumore al pancreas, confrontandole con quelle di 1.243 soggetti di controllo.

REDMOD ha mostrato una sensibilità del 73% nell'individuare i cambiamenti precoci, quasi il doppio rispetto al 39% dei radiologi esperti. Nei casi identificati oltre due anni prima della diagnosi, l'accuratezza è risultata quasi tripla: 68% contro 23%. Il sistema ha inoltre dimostrato un'elevata affidabilità nel riconoscere i pazienti senza malattia, con tassi superiori all'81% e fino all'87,5% in set di dati indipendenti.

Lo studio

La coerenza dei risultati è stata confermata anche da scansioni ripetute, con concordanza tra il 90% e il 92%. Il modello integra un sistema automatico di segmentazione del pancreas, che delimita con precisione l'organo senza intervento manuale, riducendo variabilità e possibili errori.

Tuttavia, gli autori sottolineano che sono necessari ulteriori studi prospettici, in particolare su pazienti ad alto rischio, prima di un impiego clinico diffuso.

"Il framework REDMOD rappresenta un passo importante verso un cambio di paradigma, passando da una diagnosi tardiva a una individuazione precoce e preventiva", evidenziano gli autori, pur riconoscendo alcune limitazioni, tra cui la scarsa diversità etnica del campione analizzato.