Diagnosi dei tumori maligni del tratto digerente: impiego dell’intelligenza artificiale

07.07.2025 | Popular Science
mano con penna che traccia dei segni su uno schermo virtuale con su scritto AI

I tumori maligni del tratto digerente sono tra le tipologie di cancro più diffuse e letali a livello globale, spesso diagnosticati in stadi avanzati a causa di sintomi precoci atipici che fanno perdere ai pazienti le opportunità di trattamento ottimali.

I processi diagnostici tradizionali, endoscopici e anatomo-patologici, dipendono fortemente dall’esperienza degli specialisti e devono affrontare problemi come alti tassi di diagnosi errate e significative variazioni tra gli osservatori. Con lo sviluppo di tecnologie di intelligenza artificiale (IA), come il deep learning, la rilevazione in tempo reale delle lesioni con assistenza endoscopica e l’analisi automatizzata delle immagini patologiche, hanno mostrato un potenziale nel migliorare l’accuratezza e l’efficienza diagnostica. Tuttavia, devono essere affrontate ancora varie sfide tra cui l’insufficiente standardizzazione dei dati, l’inadeguata interpretabilità e la debole validazione clinica. Un’equipe di ricercatori ha effettuato un’indagine con lo scopo di valutare sistematicamente le attuali applicazioni dell’intelligenza artificiale nella diagnosi dei tumori maligni del tratto digerente, concentrandosi sui progressi e sui colli di bottiglia in due aree chiave: l’esame endoscopico e la diagnosi anatomo-patologica.

Sono state esplorate in modo esaustivo le banche dati  PubMed, Web of Science, Scopus e IEEE Xplore alla ricerca di lavori specifici pubblicati tra il 2017 e il 2024. I criteri di inclusione comprendevano studi sui tumori maligni del tratto digerente come il cancro esofageo, il cancro gastrico o il cancro colorettale, che hanno esaminato l’applicazione della tecnologia dell’intelligenza artificiale nella diagnosi endoscopica o nell’analisi anatomo-patologica.

Gli effetti e i principali limiti della diagnosi con IA sono stati riassunti attraverso un’analisi completa del disegno della ricerca, dei metodi algoritmici e dei risultati sperimentali emersi dalla letteratura pertinente. Nel campo dell’endoscopia, numerosi modelli di deep learning hanno migliorato significativamente i tassi di rilevazione in tempo reale di polipi, nonché lo screening del cancro gastrico precoce e del cancro esofageo, e alcuni sistemi sono entrati con successo negli studi clinici.

Tuttavia, la scala e la qualità dei dati tra i diversi studi variano ampiamente e la generalizzabilità dei modelli ad ambienti multicentrici e multi-dispositivo deve ancora essere verificata. Nell’analisi anatomo-patologica, utilizzando reti neurali convoluzionali, modelli di pre-training multimodali, ecc., è possibile ottenere la segmentazione automatica dei tessuti, la classificazione dei tumori e la diagnosi assistita, mostrando una buona scalabilità nelle domande e risposte interattive. Tuttavia, l’implementazione clinica affronta ancora ostacoli come standard di dati non uniformi, mancanza di convalida prospettica su larga scala e insufficiente interpretabilità del modello e dei meccanismi di apprendimento continuo. L’intelligenza artificiale offre nuove opportunità tecnologiche per la diagnosi endoscopica e anatomo-patologica dei tumori maligni del tratto digerente, ottenendo risultati positivi nell’identificazione precoce delle lesioni e nel supporto decisionale.

Gli Autori concludono che, per realizzare la transizione dalla ricerca all’applicazione clinica diffusa, la standardizzazione dei dati, l’affidabilità del modello e l’interpretabilità devono ancora essere migliorate attraverso la ricerca congiunta multicentrica, e deve essere inoltre stabilito un sistema normativo ed etico completo. In futuro, l’intelligenza artificiale giocherà un ruolo più importante nella standardizzazione e nella gestione di precisione della diagnosi e del trattamento dei tumori del tratto digerente.

Fonte: J Transl Med. 2025

https://translational-medicine.biomedcentral.com/articles/10.1186/s12967-025-06428-z

Potrebbe interessarti

IT-NON-12391-W-06/2026

Contenuti simili

I più visti