Near Focus Intelligenza artificiale guidata da NBI per la diagnosi della malattia da reflusso gastro-esofageo

La malattia da reflusso gastroesofageo (MRGE) è una condizione cronica con sintomi che insorgono in seguito al reflusso del contenuto dello stomaco (Vakil et al., 2006). È suddiviso in quattro fenotipi: esofagite erosiva (EO), malattia da reflusso non erosivo (NERD), ipersensibilità da reflusso (RH), bruciore di stomaco funzionale (FH) (Nikaki, Woodland e Sifrim, 2016). La definizione di questi fenotipi si è evoluta con l'aggiunta di test diagnostici e metodi della loro interpretazione, il più recente è il Lyon Consensus Statement (Gyawali et al., 2018). La maggior parte dei pazienti che presentano sintomi indicativi di MRGE non presenta lesioni della mucosa osservate all'endoscopia (Nikaki, Woodland e Sifrim, 2016). Le complicanze della MRGE, come la stenosi peptica e l'esofago di Barrett, possono essere prontamente diagnosticate mediante WLE. La diagnosi di esofagite da reflusso con WLE a definizione standard è ben descritta nella classificazione di Los Angeles (LA) (Armstrong et al., 1996) e validata (Lundell et al., 1999) con i gradi LA C e D di conferma della MRGE (Gyawali et al., 2018). Inoltre, è stato dimostrato che l'AET aumenta con la classificazione LA da A a D (Lundell et al., 1999). Esiste, tuttavia, solo un modesto accordo tra osservatori tra i gradi LA (coefficiente Kappa 0,4), in particolare A e B. Inoltre, l'esofagite LA di grado A viene rilevata fino al 17,0% dei pazienti asintomatici (Nozu e Komiyama, 2008; Zagari et al., 2008). Una diagnosi di MRGE e decisioni per la chirurgia anti-reflusso non possono essere prese su questa base, imponendo il test del pH per confermare la MRGE.

Imaging a banda stretta

L'imaging della giunzione gastro-esofagea utilizzando l'oscilloscopio Olympus H260 ad alta definizione utilizzando la classificazione LA di GORD con WLE e NBI ha dimostrato un miglioramento della riproducibilità interosservatore complessiva se utilizzato in combinazione rispetto al solo WLE; k 0,62 vs 0,45 (<0,05) (Lee et al., 2007). Le caratteristiche identificate utilizzando l'ingrandimento digitale NBI alla giunzione squamo-colonnare nei casi di EO (n=41; LA grado A e B), NERD (n=36) e controlli (n=32) includono micro-erosioni (100% EO; 52,8% NERD; 23,3% controlli), aumento della vascolarizzazione (95,1% EO; 91,7% NERD; 36,7% controlli) e pattern a fossa circolare (4,9% EO; 5,6% NERD; 70% controlli). L'aumento della vascolarizzazione combinata con l'assenza di pattern a fossa rotonda distingue NERD dai controlli con sensibilità e specificità dell'86,1% e dell'83,3%. L'accordo tra osservatori in questo studio a centro singolo era buono per l'aumento della vascolarizzazione (k=0,95) e delle microerosioni (k=0,89) ma basso per lo schema a fossa (k=0,59) (Fock et al., 2009).

Le anse capillari intrapapillari (IPCL) sono capillari della mucosa che originano dalla vena sottomucosa alla papilla, di solito disposti in modo regolare a "punto" a circa 100 micrometri di distanza (Inoue, 2001). La visualizzazione degli IPCL esofagei con NBI è ben documentata e costituisce la base di una classificazione NBI per neoplasia squamosa (Inoue et al., 2015). I cambiamenti della morfologia dell'IPCL sono stati proposti nei pazienti studiati per NERD, in particolare la dilatazione e l'allungamento degli IPCL nei pazienti con NERD con ingrandimento NBI (Kato et al., 2006).

L'NBI con ingrandimento ottico per la diagnosi di GORD è stato valutato in 2 studi (Sharma et al., 2007; Lv et al., 2013). Sharma et al. hanno eseguito una prova di fattibilità con Olympus Q240Z con esame quadrantico dei 5 cm distali mediante WLE, quindi NBI in n=50 GORD (EO n=30; NERD n=20) e controlli (n=30). Simile a Fock et al, la presenza di microerosioni e ipervascolarizzazione era significativamente più alta tra GORD. Il numero IPCL e la morfologia della tortuosità, la dilatazione sono stati osservati significativamente di più nella GORD rispetto al controllo. Questi risultati erano coerenti nel confronto indipendente di EO e NERD rispetto ai controlli. Le soglie di analisi ROC per la migliore sensibilità e specificità (rispettivamente) per NERD erano massimo ipcl/campo 131 (90%, 70%), min 99 (85%, 70%) e media 117 (90%, 70%) (Sharma et al. ., 2007).

Lv et al hanno utilizzato l'Olympus GIF-H260Z per valutare NERD (n=40), EO (n=40), Barrett (n=40) e controlli sani (n=40). Il numero di IPCL, la morfologia (prolungata/dilatata/tortuosa), le microerosioni, il disegno a fossa circolare sopra o sotto l'SCJ, sono stati registrati come caratteristiche del reflusso. Differenze significative sono state riscontrate con un aumento del numero di IPCL, microerosioni, modelli di fosse non rotonde al di sotto dell'SCJ nei pazienti con GERD (NERD/EO e BE) rispetto ai controlli e meno microerosioni nei pazienti con NERD rispetto a RE (Lv et al., 2013).

La definizione di NERD in tutti gli studi fino ad oggi, tuttavia, è variabile e in gran parte basata sulla valutazione dei sintomi, sulla risposta al PPI e sull'assenza di lesioni della mucosa all'esame endoscopico senza standardizzazione mediante studi sul pH.

Intelligenza artificiale

Ad oggi esiste uno studio che valuta l'uso delle ANN nella previsione della GORD sulla base di 45 variabili tra cui dati demografici, anamnesi, stato di salute, punteggi dei sintomi. Tutti i pazienti sono stati sottoposti a studi OGD, pH 24 eseguiti in quelli senza lesione della mucosa all'endoscopia: 103 pazienti GORD (62 con esofagite da reflusso e 41 con AET>5%) e n=56 pazienti FH GORD. L'ANN ha dimostrato un'accuratezza del 100% rispetto al 78% utilizzando l'analisi di regressione statistica convenzionale (Pace et al., 2005). Sebbene si tratti di risultati ottimistici, la percentuale di dati di addestramento e test utilizzati non è stata specificata ed è chiaramente giustificata un'ulteriore valutazione con set di dati più ampi. Ad oggi non esistono modelli di intelligenza artificiale basati su immagini per la diagnosi di GORD. L'apprendimento automatico con immagini endoscopiche è un percorso di grande interesse come descritto nella sezione 1.7.7, con IPCL come potenziale bersaglio, sulla base di precedenti studi di NBI per la diagnosi di GORD. Le CNN che coinvolgono il rilevamento e la morfologia dell'IPCL sono state recentemente segnalate nel contesto di uno studio pilota per la diagnosi assistita da computer del carcinoma a cellule squamose iniziali dell'esofago utilizzando la tecnologia di segmentazione con accuratezza corrispondente a endoscopisti esperti (Zhao et al., 2018). La tecnica di segmentazione dell'immagine di Adaptive Local Thresholding si è dimostrata utile nel rilevamento dei vasi nelle fotografie della retina, rendendola una tecnica interessante per gli IPCL (Jiang e Mojon, 2003).