QS Edizioni - lunedì 25 novembre 2024
Scienza e Farmaci
Esofago di Barett. Sistema Cad rileva neoplasia con maggior precisione
di Will Boggs
5 dicembre - Un team di ricercatori dell’Università di Amsterdam ha messo a punto un sistema di deep leanrnig assistito da computer (Cad) in grado di rilevare con estrema precisione lesioni precoci riconducibili all’esofago di Barrett
(Reuters Health) – Un nuovo sistema di rilevamento assistito da computer (Cad) per il deep learning rileva la neoplasia nei pazienti con esofago di Barrett con maggiore precisione rispetto agli strumenti endoscopici.
“Il rilevamento endoscopico della neoplasia precoce di Barrett è impegnativo – dice Jacques J. Bergman dell’Amsterdam UMC presso l’Università di Amsterdam, autore principale dello studio – Le lesioni precoci mostrano spesso solo sottili anomalie endoscopiche, ed è difficile imparare a identificarle poiché la maggior parte degli endoscopisti le incontra raramente. Se il sistema Cad fosse implementato durante le endoscopie di sorveglianza, aiuterebbe l’endoscopista a rilevare questo tipo di lesioni e contribuirebbe al trattamento precoce e a risultati migliori per il paziente”.
Lo studio
Bergman e colleghi hanno sviluppato un sistema Cad di deep learning per immagini endoscopiche dell’esofago di Barrett, hanno convalidato il sistema e confrontato le prestazioni Cad con quelle di un gruppo di valutatori endoscopisti internazionali. Hanno usato cinque set di dati che includevano quasi 500.000 immagini complessive per il pre-training, il training, la validazione interna e due validazioni esterne del sistema di deep learning.
La validazione interna ha dimostrato una precisione dell’88%, una sensibilità dell’88% e una specificità dell’89% per classificare le immagini come neoplasie precoci. Nelle due validazioni esterne, il sistema ha raggiunto una precisione dell’88-89%, una sensibilità del 90-93% e una specificità dell’83-88% per la classificazione delle immagini, come hanno riportato i ricercatori su Gastroenterology.
Il set di dati finale è stato valutato dal sistema e da 53 valutatori internazionali. Gli endoscopisti hanno raggiunto una precisione della classificazione del 73%, una sensibilità del 72% e una specificità del 74%, sostanzialmente inferiori al sistema Cad di apprendimento profondo, indipendentemente dal livello di esperienza dell’endoscopista.
Il sistema ha analizzato le immagini in una media di 0,124 secondi, mentre il tempo medio per immagine per i valutatori è stato di 46,3 secondi.
“Nel prossimo futuro, il sistema Cad sarà in grado di aiutare l’endoscopista a rilevare le lesioni neoplastiche precoci e, si spera, contribuirà a un risultato migliore per il paziente”, ha concluso Bergman.
Fonte: Gastroenterology 2019
Will Boggs
(Versione italiana Quotidiano Sanità/Popular Science)
“Il rilevamento endoscopico della neoplasia precoce di Barrett è impegnativo – dice Jacques J. Bergman dell’Amsterdam UMC presso l’Università di Amsterdam, autore principale dello studio – Le lesioni precoci mostrano spesso solo sottili anomalie endoscopiche, ed è difficile imparare a identificarle poiché la maggior parte degli endoscopisti le incontra raramente. Se il sistema Cad fosse implementato durante le endoscopie di sorveglianza, aiuterebbe l’endoscopista a rilevare questo tipo di lesioni e contribuirebbe al trattamento precoce e a risultati migliori per il paziente”.
Lo studio
Bergman e colleghi hanno sviluppato un sistema Cad di deep learning per immagini endoscopiche dell’esofago di Barrett, hanno convalidato il sistema e confrontato le prestazioni Cad con quelle di un gruppo di valutatori endoscopisti internazionali. Hanno usato cinque set di dati che includevano quasi 500.000 immagini complessive per il pre-training, il training, la validazione interna e due validazioni esterne del sistema di deep learning.
La validazione interna ha dimostrato una precisione dell’88%, una sensibilità dell’88% e una specificità dell’89% per classificare le immagini come neoplasie precoci. Nelle due validazioni esterne, il sistema ha raggiunto una precisione dell’88-89%, una sensibilità del 90-93% e una specificità dell’83-88% per la classificazione delle immagini, come hanno riportato i ricercatori su Gastroenterology.
Il set di dati finale è stato valutato dal sistema e da 53 valutatori internazionali. Gli endoscopisti hanno raggiunto una precisione della classificazione del 73%, una sensibilità del 72% e una specificità del 74%, sostanzialmente inferiori al sistema Cad di apprendimento profondo, indipendentemente dal livello di esperienza dell’endoscopista.
Il sistema ha analizzato le immagini in una media di 0,124 secondi, mentre il tempo medio per immagine per i valutatori è stato di 46,3 secondi.
“Nel prossimo futuro, il sistema Cad sarà in grado di aiutare l’endoscopista a rilevare le lesioni neoplastiche precoci e, si spera, contribuirà a un risultato migliore per il paziente”, ha concluso Bergman.
Fonte: Gastroenterology 2019
Will Boggs
(Versione italiana Quotidiano Sanità/Popular Science)
5 dicembre 2019
© QS Edizioni - Riproduzione riservata