Studio sul sistema di diagnosi multimodale assistito dall'intelligenza artificiale della pancreatite autoimmune

L’attuale sistema diagnostico completo per la pancreatite autoimmune (AIP) è complesso, con informazioni cliniche multidimensionali che includono cambiamenti morfologici e la mancanza di biomarcatori specifici. L'ecografia endoscopica (EUS) può fornire tutti gli elementi per la diagnosi morfologica dell'AIP, ma la lunga curva di apprendimento e le grandi differenze tra gli osservatori ne rendono difficile la divulgazione e la promozione. Le unità di cooperazione delle tre regioni coinvolte in questo progetto hanno scoperto nella fase iniziale che l'attivazione delle cellule T helper follicolari (Tfh) indotta da Klebsiella pneumoniae (KP) è un importante meccanismo di AIP, ma l'identificazione delle componenti patogene del ceppo e la validazione clinica hanno bisogno di essere esplorati. Abbiamo creato una coda AIP multicentrica nazionale nella fase iniziale ed estratto le caratteristiche audiovisive dell’EUS per stabilire un modello di punteggio, ma è ancora necessaria un’assistenza intelligente per migliorare l’efficienza. Pertanto, prevediamo di integrare il microbiota intestinale, i marcatori di attivazione di Tfh e le funzionalità di imaging EUS per stabilire un sistema diagnostico multimodale assistito dall’intelligenza artificiale per l’AIP. Questo studio collaborerà tra più centri per identificare e convalidare i componenti che inducono l'attivazione di Tfh nelle cellule batteriche KP, per estrarre le caratteristiche dell'ecografia pancreatica EUS e ottimizzare gli algoritmi diagnostici assistiti dall'intelligenza artificiale e per stabilire e convalidare un sistema diagnostico multimodale assistito dall'intelligenza artificiale basato su informazioni cliniche, biomarcatori ed EUS. Lo scopo di questo studio è fornire nuovi metodi di diagnosi e valutazione del trattamento per l'AIP con elevata precisione, praticità e facile promozione per la pratica clinica.