STUDIO AI-OCCIPUT: VERSO LA CLASSIFICAZIONE AUTOMATICA DELLE POSIZIONI DELL’OCCIPITE FETALE SU IMMAGINI ECOGRAFICHE TRANSPERINEALI

Obiettivi: La gestione delle malposizioni della testa del feto durante il travaglio può rendere necessario l’utilizzo della rotazione manuale, il parto strumentale o il taglio cesareo. Una corretta identificazione della posizione dell’occipite è fondamentale per pianificare ed eseguire la modalità di parto più adeguata. Questo studio ha lo scopo di fornire un approccio accurato e non invasivo per identificare automaticamente le posizioni dell’occipite anteriore (OA), dell’occipite posteriore (OP), dell’occipite trasverso destro (ROT) e dell’occipite trasverso sinistro (LOT) a partire da immagini ecografiche transperineali (TPU) utilizzando Reti Neurali Convoluzionali (CNN).

Metodi: È stata condotta un’analisi prospettica che coinvolge donne nella seconda fase del travaglio provenienti da 23 centri clinici, nell’ambito dello studio multicentrico “AI-Occiput”. Dal dataset di immagini AI-Occiput sono state selezionate un totale di 2154 immagini TPU della testa del feto nel piano assiale. Tutte le immagini sono state classificate come OA, OP, ROT o LOT in base ai risultati dell’ecografia transaddominale, considerata come “gold standard”, e sono state suddivise in tre gruppi (Allenamento, Validazione, Test) con un rapporto 70:15:15. Tre modelli della CNN sono stati addestrati per classificare le immagini TPU come OA, OP, ROT o LOT. Le prestazioni del classificatore sono state valutate considerando i parametri di accuratezza, sensibilità, specificità, F1-score e il kappa di Cohen (k).

Risultati: L’accuratezza del modello CNN sul Test Set per la classificazione della posizione della testa del feto nel piano assiale con ecografia transperineale risulta pari al 93,5%. Inoltre, il modello CNN presenta una sensibilità del 95,1 %, una specificità del 91,4 % e un F1-score del 91,2%. Il modello ha dimostrato anche un buon grado di accordo con il “gold standard” (kappa di Cohen = 0,90, p < 0,0001). Conclusione: L'approccio sviluppato può differenziare in modo efficace e automatico le posizioni dell'occipite OA, OP, ROT e LOT. L'algoritmo potrebbe supportare con successo le ostetriche nell'uso clinico del TPU, fornendo una valutazione della posizione fetale indipendente dall'operatore.