AFFILIAZIONE
amolab srl
AUTORE PRINCIPALE
Dott.ssa Vitellio Paola
VALUTA IL CHALLENGE[ratingwidget]
GRUPPO DI LAVORO
Dott.ssa Reho Elisa – amolab srl, lecce
Dott.ssa Vitellio Paola – amolab srl, lecce
Dott.ssa Di Trani Maria Giovanna – amolab srl, lecce
Dott. Morello Rocco – consiglio nazionale delle ricerche, lecce
Dott. Calcagnile Salvatore – amolab srl, lecce
AREA TEMATICA
Applicazioni di intelligenza artificiale in sanità
ABSTRACT
L’impiego dell’intelligenza artificiale (IA) nella valutazione della posizione dell’occipite fetale è un’area di ricerca in rapida evoluzione. In questo studio, è stata valutata l’accuratezza di un algoritmo basato su due reti neurali convoluzionali (CNN), classificante immagini ecografiche intrapartum (US) delle posizioni dell’occipite anteriore/posteriore/trasversale.
312 donne a termine sono state arruolate da 21 ospedali partecipanti allo studio multicentrico “AI Occiput”. Un totale di 1261 immagini ecografiche transperineali sono state selezionate e classificate come Anteriori, Posteriori o Trasversali per avere un riferimento per valutare l’accuratezza dell’algoritmo rispetto al gold standard (operatore esperto).
Nell’approccio proposto, le due CNN sono state addestrate in modo indipendente per classificare rispettivamente anteriore/non anteriore (CNNA/nA) e posteriore/trasverso (CNNP/T). L’algoritmo segue dunque due possibili percorsi:
1) se l’immagine è classificata come Anteriore, l’algoritmo termina fornendo l’output Anteriore
2) se l’immagine è classificata come non anteriore, l’immagine diventerà l’input della seconda rete neurale (CNNP/T), che la classifica come posteriore/trasversale.
Le posizioni dell’occipite anteriore/non anteriore classificate CNNA/nA sono state classificate con accuratezza del 98,3%, specificità del 97,2% e sensibilità del 98,7%. Posizioni posteriori/trasversali classificate CNNP/T con accuratezza del 91,3%, specificità dell’89,5% e sensibilità dell’89,9%.
La classificazione finale di Anteriore/Posteriore/Trasverso è stata raggiunta con accuratezza del 95,4%, specificità del 97,1%, sensibilità del 94,5%, F1-score del 93,7%.
L’algoritmo proposto classifica le posizioni dell’occipite con risultati sovrapponibili al Gold Standard; pertanto l’impiego dell’IA può migliorare la qualità del management del travaglio tramite un approccio non invasivo ed operatore-indipendente e può altresì fornire una valutazione più accurata e oggettiva atta ad evitare potenziali errori di valutazione umana.