Ospedale San Gerardo di Monza: l’intelligenza artificiale aiuta le malattie autoimmuni del fegato

Gli studiosi del Centro delle Malattie Autoimmuni del Fegato dell’Università di Milano-Bicocca presso l’Ospedale San Gerardo hanno individuato quattro nuovi sottotipi di Colangite Biliare Primitiva (CBP) basandosi sui dati clinici di più di 12mila soggetti provenienti da tutto il mondo.
Salute la Colangite Biliare Primitiva  colpisce soprattutto donne oltre i 40 anni di età - foto katemangostar/it.freepik.com
Salute la Colangite Biliare Primitiva colpisce soprattutto donne oltre i 40 anni di età – foto katemangostar/it.freepik.com

Le ricerche dell’Università di Milano-Bicocca presso l’Ospedale San Gerardo si rivelano ancora una volta di grande importanza per lo studio e la cura di alcune patologie. Gli studiosi del Centro delle Malattie Autoimmuni del Fegato guidato dal professor Pietro Invernizzi, insieme ai colleghi del team di Data Science di Rulex di Genova, hanno individuato quattro nuovi sottotipi di Colangite Biliare Primitiva (CBP) basandosi sui dati clinici di più di 12mila soggetti provenienti da tutto il mondo.

In loro aiuto è venuta l’intelligenza artificiale. Un nuovo algoritmo, unendosi agli score di prognosi esistenti, consente, infatti, di migliorare la valutazione dei pazienti già al momento della diagnosi.

Ha espresso grande soddisfazione Davide Salvioni, presidente di AMAF Onlus, l’associazione italiana di pazienti dedicata alle malattie autoimmuni del fegato: «Per noi pazienti questo studio è molto importante considerato il grande numero di pazienti italiani inclusi e le potenzialità di innovazione portate dall’intelligenza artificiale. Una migliore conoscenza di queste patologie avrà sicuramente delle ricadute positive sulla capacità dei medici di gestirle in modo più efficace».

La CBP è una malattia del fegato che, benché rara, in Italia colpisce più di 10.000 persone, soprattutto donne oltre i 40 anni di età. Nell’ultimo decennio, grazie anche allo sviluppo di score e calcolatori, la stratificazione prognostica dei pazienti con CBP è notevolmente migliorata. Di recente l’intelligenza artificiale e il machine learning sono stati applicati con beneficio nello studio di malattie comuni, dalle infezioni alle malattie cardiovascolari, dal tumore alla mammella a quello del colon-retto.

Nel contesto delle malattie rare, e della CBP nello specifico, mancavano, però, evidenze sperimentali in relazione a queste nuove tecnologie e alle loro applicazioni.

l team del Centro Malattie Autoimmuni del Fegato di Monza ha utilizzato Rulex, uno strumento innovativo di analisi dati che impiega un sofisticato algoritmo di intelligenza artificiale sviluppato dal team di ricerca e sviluppo di Rulex, coordinato dall’amministratore delegato Marco Muselli, e basato su un modello teorico messo a punto all’interno dell’Istituto di Elettronica, di Ingegneria dell’Informazione e delle Telecomunicazioni del CNR di Genova.

Lo studio è stato pubblicato sulla rivista Liver International e si è rivelato di notevole spessore dato che ha raccolto il più grande complesso di pazienti con CBP mai esplorato finora a livello internazionale, includendo pazienti dall’Europa, dal Giappone e dal Nord America. L’obiettivo del lavoro è stato quello di sfruttare l’enorme mole di dati a disposizione per migliorare la stratificazione del rischio in questa patologia rara. Sono stati identificati quattro sottogruppi di malattia, in ordine di gravità clinica crescente, basandosi solamente su tre valori di laboratorio: albumina, bilirubina e fosfatasi alcalina.

«Il team di Rulex guidato da Damiano Verda ha raggruppato i pazienti affetti con CBP in modo completamente nuovo e ha creato delle regole molto facili da applicare in clinica per classificare i nuovi pazienti già alla diagnosi» ha spiegato il dottor Alessio Gerussi, primo nome dello studio e ricercatore presso il Centro Malattie Autoimmuni del Fegato di Monza.

Ma il lavoro non finisce qui. «Gli studi futuri – ha anticipato Gerussi – saranno mirati alla integrazione dei dati clinici con i dati provenienti dal sequenziamento genetico, dalle tecniche di imaging radiologiche e dalle scansioni digitali dei vetrini dei campioni istologici. Lo scopo finale è descrivere la eterogeneità della malattia in modo più raffinato di quanto fatto fino ad ora per offrire cure personalizzate ai pazienti, scopo ultimo della Medicina di Precisione».