App paziente di intelligenza artificiale per SCC RDEB

In questo studio, viene sviluppato un modello di intelligenza artificiale per rilevare i carcinomi a cellule squamose (SCC) sulle foto della pelle di epidermolisi bollosa distrofica recessiva (RDEB). L'obiettivo finale è integrare questo modello in un'app per pazienti e medici, per aiutare a rilevare precocemente gli SCC in RDEB.

Gli SCC che metastatizzano rapidamente sono la principale causa di morte negli adulti con RDEB. Quanto prima viene riconosciuto un SCC, tanto più facile può essere rimosso e migliore sarà il risultato. L'intelligenza artificiale sfrutta l'informatica per eseguire attività che in genere richiedono l'intelligenza umana ed è stata recentemente utilizzata per identificare i tumori della pelle sulla base di immagini. Attualmente stiamo sviluppando un approccio AI per la diagnosi precoce di SCC e la distinzione di malignità da ferite croniche e altri reperti cutanei RDEB. L'obiettivo è quello di creare un'applicazione web per i pazienti con RDEB per caricare immagini della loro pelle e ottenere un output per SCC presente/no SCC. Ciò sarà particolarmente utile per i pazienti con difficoltà di accesso alle competenze mediche e per coloro che esitano a consentire un esame completo della pelle ad ogni visita, spesso per paura delle biopsie. Pertanto, questo progetto beneficerà direttamente i pazienti consentendo il riconoscimento precoce delle SCC e rafforzerà i pazienti e le loro famiglie fornendo uno strumento per l'uso domestico.

Finora, il team di studio ha utilizzato principalmente immagini professionali (fotografie scattate in ambienti ospedalieri da medici, infermieri e fotografi clinici) sia di SCC in RDEB che di immagini di pelle RDEB senza SCC per sviluppare e addestrare il modello AI. Le immagini attese in un contesto di vita reale saranno principalmente immagini scattate da pazienti o familiari con i loro telefoni o fotocamere digitali. Queste immagini hanno proprietà diverse per quanto riguarda la risoluzione, la messa a fuoco, l'illuminazione e gli sfondi. L'incorporazione di tali immagini sarà cruciale nelle prossime fasi di sviluppo del modello - test e convalida - affinché l'applicazione web sia un successo per i pazienti.