Development and validation of an artificial intelligence-based virtual indigo carmine chromoendoscopy model: a multicenter study

All'interno del corpo umano, il rivestimento dello stomaco e del colon è un paesaggio di sottili pieghe e valli. Per trovare i segni precoci del cancro in questo terreno, i medici si affidano spesso a una tecnica chiamata cromoendoscopia. In questa procedura, un innocuo colorante blu viene spruzzato sul tessuto. Il colorante si deposita nelle piccole depressioni della superficie, creando una mappa ad alto contrasto che rende molto più facile vedere i bordi di una crescita sospetta o i dettagli fini della struttura del tessuto. Questo potenziamento visivo è fondamentale per individuare il cancro prima che si diffonda, eppure il processo è lento, richiede una mano ferma e dipende fortemente dalla capacità del medico che lo esegue. Per molti ospedali, specialmente quelli con meno risorse, il costo e la complessità dei sistemi avanzati di imaging elettronico rendono questo spruzzo manuale del colorante l'unica opzione, nonostante le sue intrinseche difficoltà.

Un team di ricercatori da ospedali cinesi ha sviluppato un nuovo modo per ottenere questa chiarezza visiva senza mai toccare una bomboletta spray. Hanno creato un sistema di intelligenza artificiale in grado di prendere un'immagine standard, a luce bianca e semplice, dello stomaco o del colon e trasformarla istantaneamente in un'immagine che appare esattamente come se fosse stato applicato il colorante blu. Questa tecnologia di "colorazione virtuale" mira a dare ai medici i benefici diagnostici del metodo tradizionale con il colorante, eliminando al contempo la necessità della procedura fisica, rendendo potenzialmente l'individuazione precoce del cancro più veloce, sicura e accessibile.

I ricercatori hanno iniziato raccogliendo una vasta collezione di immagini mediche da cinque diversi ospedali. Hanno raccolto oltre 9.000 immagini in cui era stato utilizzato il colorante blu e oltre 8.000 immagini corrispondenti degli stessi pazienti scattate solo con la luce bianca. Queste immagini provenivano da quasi mille casi differenti, fornendo una base diversificata e robusta per l'addestramento del loro modello informatico. L'obiettivo era insegnare all'intelligenza artificiale a comprendere esattamente come il colorante cambi l'aspetto del tessuto — come si accumula nelle fessure e mette in risalto i bordi delle lesioni — in modo da poter ricreare quell'effetto su un'immagine semplice.

Per costruire questo sistema, il team ha progettato un programma informatico specializzato basato su un tipo di intelligenza artificiale noto come rete avversaria generativa. A differenza di programmi più semplici che potrebbero limitarsi ad aggiungere un filtro blu, questo modello è stato progettato per eseguire una trasformazione complessa e sequenziale. Ha imparato ad alterare i colori e il contrasto dell'immagine per imitare il colorante, preservando rigorosamente l'anatomia sottostante. I ricercatori sono stati attenti a garantire che il computer non inventasse nuove strutture o distorcesse la forma del tessuto, poiché tali errori potrebbero portare a diagnosi errate pericolose. Hanno testato la loro creazione contro diversi altri metodi informatici esistenti, inclusi quelli utilizzati per l'editing fotografico generale e altri compiti di imaging medico.

I risultati hanno mostrato che il loro nuovo modello è superiore agli altri sotto quasi ogni aspetto. Quando le immagini generate dal computer sono state confrontate con le immagini reali colorate con il blu, il nuovo modello ha prodotto immagini più vicine per ricchezza di colore e dettaglio strutturale. Le immagini artificiali apparivano più simili alle reali rispetto a quelle prodotte dagli altri algoritmi. Per verificare questo, i ricercatori hanno chiesto a undici medici umani, che spaziavano da esperti con decenni di esperienza a quelli appena esorditi nella carriera, di osservare le immagini. Ai medici è stato chiesto di distinguere tra le immagini con colorante reale e quelle generate dal computer, e poi di valutare la qualità delle immagini in base a quanto ben mostrassero il contrasto del tessuto, la chiarezza dei bordi delle lesioni e la visibilità delle microstrutture fini.

I medici hanno trovato difficile distinguere le immagini finte da quelle reali, identificando correttamente le immagini virtuali solo circa il 78% delle volte. Ciò suggerisce che le immagini generate dal computer fossero abbastanza convincenti da ingannare una parte significativa degli esperti. Per quanto riguarda il compito pratico di individuare il cancro, le immagini virtuali si sono comportate in modo straordinario. I medici hanno valutato il contrasto complessivo e la chiarezza dei bordi delle lesioni nelle immagini virtuali come quasi identici alle immagini con il colorante reale. Non c'è stata alcuna differenza significativa nel modo in cui potevano essere visti i bordi di una crescita, che è il fattore più critico per decidere dove effettuare una biopsia.

Tuttavia, lo studio ha rivelato un'area in cui le immagini virtuali sono ancora carenti. Quando i medici hanno osservato i dettagli più fini della superficie del tessuto, noti come microstrutture, hanno valutato le immagini virtuali leggermente meno rispetto a quelle reali. Il computer era eccellente nel mostrare il quadro generale e i bordi dei problemi, ma non era del tutto preciso come il colorante reale quando si trattava delle texture più minuscole. Questa lacuna era più evidente per i medici senior, che sono addestrati a cercare questi dettagli sottili, mentre i medici meno esperti trovavano le immagini virtuali chiare quanto quelle reali. Ciò suggerisce che la tecnologia potrebbe essere particolarmente utile per i professionisti meno esperti, aiutandoli a vedere ciò di cui hanno bisogno senza richiedere anni di formazione specializzata.

Lo studio conclude che questo modello di intelligenza artificiale è uno strumento praticabile in grado di generare immagini di colorazione virtuale di alta qualità con buona stabilità e la capacità di lavorare in diversi ospedali. Sebbene il sistema non sia ancora perfetto nel mostrare ogni dettaglio microscopico, replica con successo le caratteristiche visive più importanti necessarie per rilevare il cancro precoce. I ricercatori osservano che questo è un passo avanti significativo, ma sottolineano anche che sono necessari ulteriori test. Il lavoro futuro dovrà confermare se l'uso di queste immagini virtuali in tempo reale durante le procedure reali sui pazienti porti a migliori tassi di rilevamento e salvi vite. Per ora, lo studio dimostra che un computer può imparare a vedere i modelli nascosti della malattia in un modo che rivaleggia con una mano umana che tiene una bomboletta spray.