Diagnosticare l'endometriosi più velocemente con l'intelligenza artificiale
L'ETH Scanvio ha sviluppato un algoritmo che ammette l'analisi automatica delle immagini ecografiche dell'utero. Ciò dovrebbe consentire ai medici di diagnosticare più rapidamente l'endometriosi in futuro.
- Per saperne di più
- Numero di commenti
![Il ricercatore dell'ETH Fabian Laumer (a sinistra) e il ginecologo Michael Bajka sono accanto a uno schermo che mostra un'ecografia.](/de/news-und-veranstaltungen/eth-news/news/2024/03/endometriose-mit-ki-scheller-diagnostizieren/_jcr_content/articleLeadImage/image.imageformat.carousel.869903869.jpg)
In breve
- Circa il dieci per cento di tutte le donne in età fertile è affetto da endometriosi. Le escrescenze sul rivestimento dell'utero causano regolarmente forti dolori durante le mestruazioni.
- L'ETH Scanvio ha sviluppato un algoritmo per aiutare i ginecologi a interpretare meglio i dati ecografici dell'utero e quindi a diagnosticare più rapidamente l'endometriosi.
- Oggi l'endometriosi viene solitamente diagnosticata in laparoscopia. In futuro, grazie all'algoritmo di Scanvio, questa procedura stressante e costosa dovrebbe essere necessaria molto meno spesso.
L'endometriosi è molto diffusa. Circa il dieci per cento di tutte le donne in età fertile nel mondo ne soffre. Il termine "soffre" va preso alla lettera. Ci vogliono in media dagli otto ai dodici anni prima che queste escrescenze benigne del rivestimento uterino (endometrio) nell'addome vengano diagnosticate. Anni durante i quali le donne devono solitamente sopportare forti dolori prima e durante ogni periodo mestruale.
Per diagnosticare in modo affidabile l'endometriosi, molti ginecologi si affidano ancora alla laparoscopia in anestesia generale. Tuttavia, questa procedura non solo richiede tempo e stress per le pazienti, ma è anche relativamente costosa. Nella maggior parte delle pazienti, l'endometriosi può essere diagnosticata anche mediante immagini ecografiche. Tuttavia, questa procedura richiede una certa esperienza, poiché i cosiddetti centri endometriosici possono essere facilmente trascurati.
L'esperto di AI Fabian Laumer e il ginecologo Michael Bajka hanno fondato lo spin-off Scanvio nell'estate del 2023. Il loro obiettivo è sviluppare un algoritmo che aiuti i medici a interpretare i dati ecografici dell'utero durante l'esame iniziale e quindi a diagnosticare l'endometriosi in modo molto più affidabile e rapido. Ricevono il supporto specialistico dell'ETH AI Center e dei loro due co-fondatori, il professore di informatica dell'ETH di Zurigo Joachim Buhmann e Julian Metzler, specialista in endometriosi presso l'Ospedale universitario di Zurigo.
Imprenditore per caso
Fabian Laumer deve il fatto di sviluppare soluzioni mediche a una doppia coincidenza. Sebbene già da bambino fosse affascinato dalla medicina e dalla biologia, inizialmente ha studiato ingegneria elettrotecnica e dell'informazione. ? riuscito a combinare l'intelligenza artificiale (AI) e la medicina solo durante il suo master. "Ho scoperto per caso che il gruppo di ricerca di Joachim Buhmann aveva indetto un concorso per una tesi di laurea magistrale sull'analisi basata sull'IA dei dati ecografici del cuore", racconta Laumer. Si è candidato immediatamente e ha avuto successo.
Dopo aver conseguito il diploma di master, ha continuato il suo lavoro di ricerca nell'ambito di una tesi di dottorato. E ancora una volta il caso gli è venuto in aiuto. Michael Bajka ha contattato il suo gruppo di ricerca chiedendo se l'intelligenza artificiale potesse essere utilizzata per riconoscere l'endometriosi. Il ginecologo, specializzato in endometriosi, ha fatto bene a rivolgersi a Fabian Laumer. Nell'ambito della sua tesi di dottorato, il ricercatore dell'ETH ha sviluppato un algoritmo che può essere utilizzato per interpretare meglio i dati ecografici del cuore. Ora ha trasferito questo approccio all'utero.
Dalle immagini 2D ai modelli 3D
Laumer e Bajka hanno sviluppato un algoritmo che riconosce nelle immagini ecografiche dell'utero patologie spesso difficili o impossibili da vedere per l'occhio umano. Per farlo, Laumer ha addestrato l'algoritmo utilizzando immagini ecografiche e dati di pazienti. "Il numero di gravidanze e di parti cesarei, l'età o la fase del ciclo: tutto ciò influisce naturalmente sull'aspetto dell'utero", spiega.
![Due immagini ecografiche, in una delle quali una macchia è colorata di blu](/de/news-und-veranstaltungen/eth-news/news/2024/03/endometriose-mit-ki-scheller-diagnostizieren/_jcr_content/wide_content/image/image.imageformat.1286.1751221783.png)
Attualmente, l'algoritmo indica già i focolai di endometriosi mediante marcature colorate nelle immagini ecografiche 2D. Se il lavoro di sviluppo procede come previsto, Fabian Laumer spera di generare un modello 3D dell'utero entro la fine dell'anno, sul quale tutte le escrescenze e le aderenze siano chiaramente contrassegnate. Ciò consentirebbe ai ginecologi di localizzare con precisione i focolai di endometriosi e di valutare meglio la gravità della malattia.
Standard per la diagnosi dell'endometriosi
Per garantire che la soluzione AI di Scanvio fornisca risultati il più possibile affidabili, Bajka e Laumer vogliono anche definire standard fissi per gli esami ecografici per l'endometriosi. Il software con AI integrata guiderà quindi attivamente l'esame in futuro. "Questo ci permetterà di raggiungere la standardizzazione e allo stesso tempo il programma garantirà l'acquisizione di immagini dell'intero utero".
Per far progredire la ricerca, l'apertura è attualmente alla ricerca di ulteriori investitori e sta avendo i primi colloqui con i produttori di dispositivi medici. Se tutto va secondo i piani, è ipotizzabile un lancio sul mercato alla fine del 2025. Tuttavia, dovranno ancora essere ottenute diverse certificazioni prima che il software intelligente possa essere utilizzato nei dispositivi medici. Per Laumer, una cosa è certa: "Il mio obiettivo è che le donne possano ricevere una diagnosi affidabile entro un anno in futuro".
Nota: questo articolo è stato aggiornato il 31 maggio 2024 per riflettere il cambiamento del nome dell'ETH dAIgnose in Scanvio.
Ulteriori informazioni
- pagina esterna Scanvio
- Istituto per l'apprendimento automatico
- Tesi di dottorato Fabian Laumer - Deep Learning per la ricostruzione 3D della forma del cuore in ecocardiografia