Cascade Deep Learning (nnU-Net + ResNet-18) for Meniscus Segmentation and Three-Grade Injury Classification on Knee MRI: A Single-Centre Study with Reader Assistance Evaluation

Il ginocchio umano è un prodigio di ingegneria, che si affida a due cuscinetti di cartilagine a forma di C chiamati menischi per ammortizzare l'articolazione e mantenerla stabile. Quando questi cuscinetti si lacerano o si usurano, il risultato è dolore, gonfiore e una perdita di mobilità che spesso richiede un intervento chirurgico. Per diagnosticare queste lesioni, i medici si affidano alla risonanza magnetica nucleare, o MRI, che crea immagini dettagliate in sezione trasversale dell'interno del ginocchio. Tuttavia, leggere queste immagini è un compito lento e impegnativo. Un radiologo deve scansionare centinaia di sottili fette, cercando sottili cambiamenti nella consistenza della cartilagine che segnalino una lacerazione. Questo processo non è solo dispendioso in termini di tempo, ma è anche soggetto all'errore umano; due medici diversi potrebbero guardare la stessa scansione e non essere d'accordo se un paziente presenta un problema di lieve usura o una lacerazione grave che richiede un intervento immediato. Questa incoerenza può ritardare il trattamento o portare a procedure non necessarie.

In un tentativo di rendere questo processo più veloce e affidabile, i ricercatori hanno iniziato a insegnare ai computer come leggere queste scansioni. Questo campo, noto come deep learning, prevede l'addestramento di programmi informatici per riconoscere modelli nelle immagini, in modo molto simile a come il cervello umano impara a riconoscere i volti. L'obiettivo non è sostituire il medico, ma creare uno strumento che agisca come un secondo paio di occhi, evidenziando le aree di interesse e offrendo un secondo parere. Un nuovo studio di un ospedale cinese esplora quanto bene funzioni un tale sistema specificamente per le lesioni meniscali. I ricercatori hanno costruito un sistema informatico a due fasi che prima individua il menisco nella scansione MRI e poi lo analizza per determinare se sia sano, degenerato o lacerato. Hanno testato questo sistema su centinaia di pazienti e poi hanno osservato come questo influenzasse le prestazioni dei medici junior, con l'obiettivo di vedere se il computer potesse aiutare i clinici meno esperti a effettuare diagnosi migliori e più rapide.

I ricercatori hanno sviluppato un framework informatico che lavora in una sequenza specifica, molto simile a una squadra in cui una persona localizza un oggetto e un'altra lo ispeziona. Per prima cosa, il sistema utilizza un algoritmo sofisticato per scansionare le immagini MRI e tracciare un contorno preciso attorno al menisco, separandolo dall'osso e dai fluidi circostanti. Questo passaggio è crucialo perché dice al computer esattamente dove guardare, ignorando il resto del ginocchio. Una volta isolato il menisco, una seconda parte del sistema esamina l'immagine isolata per classificare la lesione. Esso suddivide la condizione in una di tre categorie: sana, degenerativa (che mostra segni di usura) o una lacerazione di grado III (una lacerazione completa che spesso richiede un intervento chirurgico). Il sistema è stato addestrato su dati provenienti da 608 scansioni del ginocchio raccolte in quattro anni, tutte eseguite sullo stesso tipo di macchina MRI da 1,5 Tesla. Le immagini includevano viste frontali e laterali, permettendo al computer di vedere il menisco da più angolazioni.

Quando i ricercatori hanno testato il sistema da solo, i risultati sono stati contrastanti ma promettenti. Il computer era molto bravo a trovare il menisco quando era sano, delineandolo con successo nella maggior parte dei casi. Tuttavia, quando il menisco era lesionato, il computer faceva fatica a tracciare il contorno con la stessa precisione, probabilmente perché le lacerazioni cambiano la forma e la consistenza del tessuto, rendendolo più difficile da distinguere dallo sfondo. Nonostante questa difficoltà nel delineare i contorni, la capacità del sistema di diagnosticare la lesione è stata discreta. Combinando le viste sia frontali che laterali, il computer ha identificato correttamente se un menisco fosse lacerato o meno circa il 74 percento delle volte. È stato più bravo a individuare le lacerazioni guardando la vista frontale del ginocchio rispetto alla vista laterale. Sebbene il sistema non potesse distinguere perfettamente tra una lieve usura e una lacerazione completa da solo, ha mostrato una chiara capacità di segnalare le lesioni gravi.

La parte più significativa dello studio, tuttavia, non è stata solo come il computer si è comportato da solo, ma come ha aiutato i medici umani. I ricercatori hanno reclutato due specializzandi in ortopedia, ciascuno con meno di tre anni di esperienza nella lettura di immagini muscoloscheletriche, per diagnosticare un set di 100 casi di ginocchio. Inizialmente, i medici hanno esaminato le scansioni senza alcun aiuto. Successivamente, dopo una pausa di due settimane per garantire che non ricordassero i casi, hanno esaminato le stesse scansioni, questa volta con l'assistenza del computer. Il computer forniva loro un punteggio di probabilità che indicava quanto fosse probabile una lacerazione, insieme a una mappa visiva che evidenziava le aree specifiche del menisco che il computer riteneva sospette.

I risultati di questa partnership uomo-macchina sono stati sorprendenti. Quando i medici junior lavoravano da soli, raggiungevano un AUC di 0,64. Quando utilizzavano la guida del computer, le loro prestazioni miglioravano a un AUC di 0,78. Ancora più importante, il computer li ha aiutati a individuare le lacerazioni più gravi. Senza aiuto, i medici junior perdevano il 40 percento delle lacerazioni di grado III; con l'assistenza del computer, ne individuavano l'80 percento. Lo strumento ha reso anche i medici più veloci. Il tempo medio per diagnosticare un singolo caso è sceso da quasi 45 secondi a poco meno di 28 secondi, una riduzione del 38 percento. Questo aumento di velocità suggerisce che il computer abbia aiutato i medici a concentrare la loro attenzione, riducendo il tempo trascorso a cercare la lesione. Inoltre, l'accordo tra i due medici è migliorato quando entrambi hanno utilizzato il computer, suggerendo che lo strumento abbia fornito uno standard coerente che ha aiutato a ridurre le loro differenze individuali di giudizio.

Lo studio conclude che, sebbene questo sistema informatico non sia ancora abbastanza perfetto da sostituire uno specialista, funge da potente assistente. Agisce come una rete di sicurezza, in particolare per i clinici meno esperti, aiutandoli a individuare lesioni gravi che potrebbero altrimenti mancare e nel farlo più rapidamente. I ricercatori hanno osservato che le prestazioni del sistema sono state limitate dalla difficoltà di definire i confini esatti del tessuto lacerato e dalle sottili somiglianze visive tra degenerazione e lesioni precoci. Hanno inoltre sottolineato che il loro studio è stato condotto in un singolo ospedale, il che significa che il sistema deve essere testato su pazienti di diverse località e con diversi tipi di macchine MRI prima di poter essere ampiamente adottato. Tuttavia, i risultati dimostrano che uno strumento informatico ben progettato può supportare efficacemente il processo decisionale umano, trasformando un processo lento e variabile in uno più veloce e affidabile.