IA e Ultrasuoni: Rivoluzioniamo il Monitoraggio dello Stomaco in Tempo Reale!

Ciao a tutti! Oggi voglio parlarvi di qualcosa che mi appassiona davvero e che potrebbe cambiare il modo in cui monitoriamo una parte fondamentale del nostro corpo, specialmente per i pazienti più fragili: lo stomaco, e più precisamente l’antro gastrico. Immaginate di poter “vedere” in tempo reale come lavora lo stomaco, direttamente al letto del paziente, con un aiuto tecnologico incredibile. Sembra fantascienza? Beh, non più!

La Sfida: Capire lo Stomaco dei Pazienti Critici

Nel mio lavoro, specialmente con i pazienti in terapia intensiva, capire come funziona il loro sistema gastrointestinale è cruciale. Fino al 70% di loro soffre di disfunzioni gastrointestinali, come alterazioni del ritmo di motilità dello stomaco. Questo non solo complica l’alimentazione (la cosiddetta nutrizione enterale), ma può aumentare rischi seri come l’aspirazione polmonare e prolungare la necessità di ventilazione meccanica. Insomma, influisce pesantemente sulla loro prognosi.

Tradizionalmente, per valutare la funzione gastrica usiamo metodi come la misurazione del volume residuo gastrico (GRV), o ci basiamo su sintomi come dolore o gonfiore addominale. Metodi utili, certo, ma non sempre precisi o completi. L’ecografia al letto del paziente (bedside ultrasound) è diventata uno strumento fantastico: ci permette di misurare l’area della sezione trasversale (CSA) dell’antro gastrico, che è ben correlata al volume dello stomaco e può aiutarci a prevedere l’intolleranza all’alimentazione.

Però, c’è un “ma”. Finora, misurare la CSA significava fare un’immagine statica e tracciare manualmente i bordi dell’antro. Un processo lungo, che dipende molto dall’abilità dell’operatore e soggetto a imprecisioni. E soprattutto, non ci dà un quadro dinamico, non ci dice *come* si muove lo stomaco, qual è il suo ritmo.

Ecco la Svolta: Intelligenza Artificiale al Servizio dell’Ecografia

Ed è qui che entra in gioco la nostra idea, nata da uno studio pilota che abbiamo condotto con entusiasmo. E se potessimo usare l’intelligenza artificiale (IA) per fare tutto questo lavoro in automatico, in tempo reale, direttamente dall’ecografo? L’IA, in particolare le reti neurali convoluzionali profonde (DCNN), è pazzesca nel riconoscere pattern complessi nelle immagini e fare valutazioni quantitative precise e riproducibili. L’abbiamo già vista all’opera in tanti campi della medicina (tiroide, mammella, ostetricia, cuore, vasi, muscoli…). Perché non applicarla all’antro gastrico?

Il nostro obiettivo era proprio questo: sviluppare un sistema di IA capace di:

• Riconoscere automaticamente l’antro gastrico nei video ecografici.
• Tracciarne i confini in modo preciso.
• Calcolare la CSA istante per istante.
• Monitorare il ritmo della sua motilità (le contrazioni e i rilasciamenti).

Come Abbiamo Fatto: Il Nostro Studio Pilota

Tra gennaio 2022 e novembre 2023, abbiamo raccolto prospetticamente centinaia di video ecografici dell’antro gastrico da pazienti (620) e volontari sani (287) presso il West China Hospital. Ogni video durava 6 minuti, un tempo sufficiente per osservare i cicli di motilità. Abbiamo escluso solo casi particolari come gravidanze, minori, rifiuti o pazienti con chirurgia gastrointestinale pregressa o immagini di qualità troppo scarsa.

Abbiamo poi “dato in pasto” al nostro sistema di IA decine di migliaia di immagini estratte da questi video (quasi 50.000!) per addestrarlo a localizzare e segmentare l’antro gastrico. Abbiamo testato diversi algoritmi di IA (VAN, UPerNet, Swin-UNet) e alla fine abbiamo scelto Swin-UNet per le sue ottime capacità di segmentazione e di definizione dei bordi, cruciali per misurare l’area con precisione. Pensate che Swin-UNet combina la potenza dei Transformer (bravissimi a capire il contesto sia locale che globale) con l’architettura U-Net (perfetta per la segmentazione in immagini mediche).

Per validare il sistema, abbiamo usato un set di immagini interno (oltre 12.000) e uno esterno (oltre 2.300), confrontando le previsioni dell’IA con le annotazioni fatte da medici esperti. Non solo, abbiamo anche confrontato direttamente l’IA con due ecografisti esperti su un subset di immagini e valutato le performance su video interi (105 video).

I Risultati: L’IA è Brava Quanto gli Esperti (e Lavora in Automatico!)

E i risultati? Davvero incoraggianti! Il nostro sistema IA ha raggiunto un’accuratezza molto alta nel riconoscere l’antro e misurarne la CSA, sia nelle immagini singole che nei video. I punteggi tecnici (come il mDice, che misura la sovrapposizione tra la segmentazione dell’IA e quella manuale, e il mIOU) sono stati ottimi:

• Validazione interna: mDice 87.36%, mIOU 77.56%
• Validazione esterna: mDice 86.82%, mIOU 76.26%
• Analisi video: mDice 90.23%, mIOU 85.16%

Ancora più importante, la concordanza tra le misurazioni fatte dall’IA e quelle fatte dagli operatori umani esperti è risultata buona (il coefficiente di correlazione intraclasse, ICC, era 0.813). Questo significa che l’IA è affidabile quanto un clinico esperto!

Non Solo Misure: Scoprire i Ritmi della Motilità Gastrica

Ma la vera chicca, secondo me, è la capacità del sistema di generare una curva che rappresenta il ritmo di movimento dell’antro nel tempo. Analizzando le curve di 15 pazienti e 10 volontari, abbiamo iniziato a identificare diversi “fenotipi” di motilità:

• Movimento Regolare: Una bella curva sinusoidale, tipica di uno stomaco che si contrae e si rilascia ritmicamente (spesso a digiuno o dopo un pasto normale in persone sane). Un buon indice di motilità (MI > 0.8) suggerisce un buon svuotamento gastrico.
• Movimento Minimo (Ipocinesia): La curva è quasi piatta. L’antro si muove pochissimo, l’area cambia a malapena (MI vicino a 0). Questo indica una funzione di svuotamento scarsa, un campanello d’allarme nei pazienti critici.
• Movimento Irregolare: La curva è un misto di tratti piatti e onde irregolari. Lo stomaco si contrae in modo non ritmico. In questi casi, l’indice di motilità da solo potrebbe non essere sufficiente a descrivere la situazione.

Questi pattern riflettono stati diversi: digiuno, post-pasto, dopo esercizio fisico, o condizioni patologiche nei pazienti. Capire questi ritmi potrebbe darci informazioni preziose sulla funzione gastrointestinale reale.

Un Sistema Intelligente per la Pratica Clinica

Abbiamo anche sviluppato un prototipo di sistema di monitoraggio intelligente. Può acquisire dati in tempo reale dall’ecografo o importare video registrati. L’IA riconosce l’antro (lo colora di rosso sullo schermo!), ne calcola la CSA frame per frame, disegna la curva di motilità e calcola l’indice di motilità (MI). Tutto questo gira su un normale PC con una buona scheda grafica, processando le immagini abbastanza velocemente per un uso pratico (circa 70 millisecondi per frame).

Perché è Importante? Il Futuro del Monitoraggio Gastrico

Credo che questo tipo di tecnologia abbia un potenziale enorme. Potrebbe:

• Aiutare i medici a gestire meglio la nutrizione enterale nei pazienti critici.
• Fornire una valutazione più oggettiva e completa della funzione gastrointestinale.
• Ridurre il carico di lavoro dei clinici, automatizzando un compito lungo e dipendente dall’operatore.
• Minimizzare la variabilità tra diversi operatori.

Certo, siamo ancora all’inizio. Questo era uno studio pilota e ci sono delle limitazioni. L’IA fa ancora fatica se c’è molto gas nello stomaco che oscura l’immagine, o se la forma dell’antro è molto irregolare. Stiamo già lavorando per migliorare il sistema addestrandolo con più dati “difficili”. Inoltre, dobbiamo validare l’uso su periodi di monitoraggio più lunghi e, soprattutto, studiare la correlazione tra i fenotipi di motilità che abbiamo identificato e gli esiti clinici reali dei pazienti (come il rischio di aspirazione o la tolleranza all’alimentazione). Abbiamo già raccolto oltre 2000 video per queste analisi future!

In conclusione, abbiamo fatto un passo avanti significativo sviluppando un sistema IA che eguaglia gli esperti nell’identificare l’antro gastrico e misurarne la CSA tramite ecografia, ma lo fa in automatico e in tempo reale, aggiungendo l’analisi dinamica della motilità. È uno strumento promettente che potrebbe davvero ottimizzare la cura dei nostri pazienti, rendendo il monitoraggio gastrointestinale più semplice, preciso e informativo. Non vedo l’ora di vedere dove ci porterà questa tecnologia!

Fonte: Springer