Per migliorare la diagnosi delle patologie intestinali dei bambini sono stati applicati algoritmi che utilizza anche Google alle immagini delle biopsie.
Uno studio pubblicato sulla rivista JAMA Open Network afferma che gli algoritmi di apprendimento automatico applicati alle immagini della biopsia possono abbreviare il tempo per diagnosticare e curare una malattia intestinale che spesso provoca danni fisici e cognitivi permanenti nei bambini, soprattutto nelle aree più povere.
Nei luoghi in cui i servizi igienico-sanitari, l’acqua potabile e il cibo sono scarsi, ci sono alti tassi di bambini che soffrono di disfunzione enterica, una malattia che limita la capacità dell’intestino di assorbire i nutrienti essenziali e che può portare ad una crescita più lenta, ad uno sviluppo cerebrale compromesso e persino alla morte.
La malattia colpisce il 20% dei bambini di età inferiore ai 5 anni nei paesi a basso e medio reddito, come il Bangladesh, lo Zambia e il Pakistan, ma colpisce anche alcuni bambini nelle aree rurali della Virginia.
La dott.ssa Sana Syed, assistente professore di pediatria presso la UVA School of Medicine e Donald Brown, direttore fondatore di UVA Data Science Institute e W.S. Calcott stanno cercando di far includere il “machine learning”, addestrare i computer a leggere migliaia di immagini di biopsie, nel processo diagnostico di questa malattia. Syed e Brown stanno usando un approccio di apprendimento chiamato “reti neurali convoluzionali“. I patologi possono quindi imparare dagli algoritmi come selezionare più efficacemente i pazienti in base a dove la rete neurale sta concentrando la sua analisi.
“Questi sono gli stessi tipi di algoritmi che Google sta usando nel riconoscimento facciale, ma li stiamo usando per aiutare nella diagnosi della malattia attraverso le immagini delle biopsie“, ha detto Brown.
L’algoritmo di apprendimento automatico può fornire approfondimenti che hanno eluso gli occhi umani, convalidare le diagnosi dei patologi e abbreviare il tempo tra imaging e diagnosi.
Fonti:
https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2735765