Clinical and CT radiomics-based differentiation between invasive pulmonary fungal infections and secondary pulmonary tuberculosis

Il polmone umano è un paesaggio complesso e, quando viene infettato, il corpo invia spesso gli stessi segnali di allarme indipendentemente dall'invasore. Due nemici particolarmente pericolosi e difficili da distinguere sono le infezioni fungine polmonari invasive e la tubercolosi polmonare secondaria. La prima è un'aggressione fungina aggressiva che prospera nelle persone con un sistema immunitario indebolito, colpendo spesso coloro che sono sottoposti a trattamenti medici a lungo termine o che vivono con malattie gravi. La seconda è una riattivazione dei batteri che causano la tubercolosi, i quali possono rimanere dormienti per anni prima di riemergere. Entrambe le condizioni possono causare febbre, tosse e mancanza di respiro, e quando i medici osservano una TC standard — una radiografia 3D dettagliata del torace — le immagini appaiono spesso sorprendentemente simili. Entrambe le malattie possono creare chiazze nuvolose, fori nel tessuto o masse solide che sembrano noduli. Questa confusione visiva è pericolosa perché i trattamenti sono completamente diversi: uno richiede potenti farmaci antifungini, mentre l'altro necessita di specifici antibiotici per i batteri. Somministrare il farmaco sbagliato può essere fatale, eppure distinguere tra i due spesso si basa su biopsie invasive o sull'attesa di giorni per le colture di laboratorio, un ritardo che lascia i pazienti vulnerabili.

Per risolvere questo problema, un team di ricercatori provenienti da ospedali della Cina si è posto l'obiettivo di costruire uno strumento digitale che potesse vedere ciò che l'occhio umano non coglie. Hanno raccolto i dati di 283 pazienti, divisi in due gruppi: quelli con confermate infezioni fungine e quelli con tubercolosi secondaria. Il team ha raccolto le anamnesi dei pazienti, i risultati degli esami del sangue e le effettive immagini della TC acquisite durante la diagnosi iniziale. Hanno poi applicato una tecnica chiamata radiomica, che tratta un'immagine medica non solo come una fotografia, ma come una vasta griglia di punti dati. Mentre un radiologo osserva una scansione per vedere la forma di una lesione, il software di radiomica misura migliaia di minuscoli schemi invisibili all'interno di quella forma — variazioni di consistenza, densità e disposizione dei pixel che sono troppo sottili per essere notate da un essere umano. I ricercatori hanno combinato questi schemi d'immagine nascosti con fatti clinici specifici, come se il paziente avesse assunto antibiotici a largo spettro per un lungo periodo, i suoi livelli di emoglobina e il suo conteggio dei neutrofili, un tipo di globulo bianco.

I ricercatori hanno prima costruito un modello utilizzando solo le informazioni cliniche. Hanno scoperto che tre fattori si distinguevano come indicatori forti di un'infezione fungina: una storia di uso prolungato di antibiotici, bassi livelli di emoglobina e alti conteggi di neutrofili. Questo modello clinico era utile, ma non era perfetto. Successivamente, hanno costruito un modello separato utilizzando solo i dati radiomici estratti dalle scansioni TC. Questo modello digitale si è rivelato molto più acuto, identificando le infezioni fungine con un'alta precisione attraverso il riconoscimento delle uniche impronte digitali testurali della malattia. Infine, hanno unito i due approcci in un unico strumento integrato. Questo modello combinato, che pesa sia l'esame del sangue del paziente sia i dettagli microscopici delle sue scansioni polmonari, è stato quello con le prestazioni migliori. Nei test, ha distinto correttamente tra le due malattie circa l'84 percento delle volte in un nuovo gruppo di pazienti, un miglioramento significativo rispetto all'uso dei soli segni clinici.

La vera prova di questo nuovo strumento è arrivata quando i ricercatori hanno confrontato le sue prestazioni con quelle degli esperti umani. Due radiologi, uno con oltre quindici anni di esperienza e un altro con sei anni di esperienza, hanno esaminato le stesse scansioni TC e i dati clinici per formulare le proprie diagnosi. Sebbene il medico più esperto si sia comportato ragionevolmente bene, il modello informatico ha comunque superato sia il radiologo senior che quello junior. Lo studio suggerisce che, mentre i medici umani sono abili nel individuare le caratteristiche evidenti delle malattie polmonari, faticano con le consistenze sottili e sovrapponibili che definiscono queste due specifiche infezioni. Il modello digitale, invece, non si stanca né si distrae; esso misura costantemente i migliaia di punti dati che definiscono la vera natura della malattia.

Questa ricerca non pretende di aver trovato una cura magica o una soluzione perfetta che elimini ogni incertezza. Gli autori riconoscono che il loro strumento è stato testato su un gruppo specifico di pazienti e che le infezioni fungine studiate includevano tre tipi diversi, che potrebbero comportarsi in modo leggermente differente. Notano anche che il metodo si basa su scansioni di alta qualità e dati standardizzati, che possono variare tra gli ospedali. Tuttavia, i risultati offrono una strada concreta da seguire. Fornendo un secondo parere obiettivo e quantitativo, questo modello combinato potrebbe aiutare i medici a prendere decisioni più rapide e accurate. Per un paziente disteso in un letto d'ospedale con un'infezione polmonare confondente, questo strumento rappresenta un modo per attraversare la nebbia visiva, garantendo che riceva il trattamento corretto più velocemente ed evitando i ritardi mortali derivanti dal tentare di indovinare tra due nemici molto simili.