Valutazione dell'Intelligenza Artificiale nella Diagnosi e nella Valutazione del Rischio dei Disordini Orali Potenzialmente Maligni

I disturbi potenzialmente maligni del cavo orale (OPMD) sono descritti come lesioni della mucosa che hanno il potenziale di diventare cancro orale. Sono costituiti da leucoplachia orale (OLK), lichen planus orale (OLP), eritroplasia orale (OEK), lupus eritematoso discoide, leucoplachia verrucosa proliferativa, leucoplachia da candida, palato del fumatore inverso, iperplasia verrucosa, discheratosi congenita, cheilite attinica, cheratoacantoma e fibrosi sottomucosa orale. In letteratura è stata riportata una prevalenza fino al 5% per gli OPMD e le localizzazioni comuni sono state descritte come lingua, pavimento della bocca e gengive. Il tasso di trasformazione maligna di OEK, OLK e OLP è stato stimato approssimativamente al 14,3%-50%, 0,13%-17,5% e 0,4%-6,5%, rispettivamente. Poiché molti carcinomi a cellule squamose del cavo orale (OSCC) si sviluppano da OPMD, i clinici devono distinguere quelle lesioni con diagnosi e gestione approfondite per prevenire la trasformazione maligna. La mancanza di conoscenza e consapevolezza sugli OPMD è comune nel pubblico generale e gli studi hanno dimostrato che i dentisti generici non sono pienamente informati/preparati per queste entità. Diagnosticare gli OPMD come malattie definibili è anche impegnativo a causa delle numerose varietà, delle varie forme e delle caratteristiche sovrapposte. Tuttavia, gli studi hanno scoperto che quando un OPMD cambia in una presentazione non omogenea, è più probabile che venga considerato come una progressione avversa; in altre parole, le lesioni non omogenee hanno un rischio maggiore di trasformazione maligna rispetto alle lesioni omogenee. La biopsia del tessuto orale e l'analisi istopatologica sono spesso considerate lo standard di riferimento per la valutazione del rischio di cancro degli OPMD. Tuttavia, poiché la biopsia è un test invasivo, potrebbe non essere adatta per monitorare lo sviluppo cronico degli OPMD rispetto alle tecniche di rilevamento non invasive. Un altro svantaggio è che la biopsia richiede, in media, un giorno e mezzo per un referto. Sebbene esami clinici approfonditi con l'aiuto della biopsia possano rivelare la maggior parte degli OPMD e dei tumori orali, potrebbero essere utilizzati altri metodi diagnostici come la colorazione vitale, la microfluidica, la diagnostica salivare e le piattaforme di citopatologia. La colorazione con blu di toluidina (TB) è un colorante metacromatico basico del gruppo tiazinico che mostra affinità per le cisterne perinucleari del DNA e dell'RNA con una maggiore penetrazione e ritenzione temporanea del colorante negli spazi intercellulari delle cellule a rapida divisione in vivo. Ha un'alta sensibilità (73,9%) e una bassa specificità (30%). I rapporti hanno concluso che la ritenzione del blu di toluidina negli OPMD ad alto rischio e nei cloni molecolari ad alto rischio è stata documentata anche in lesioni con displasia minima o assente. Mentre, l'arancione di acridina (AO) è un fluorocromo istochimico con un'affinità selettiva per gli acidi nucleici. Ad una concentrazione dello 0,01% e un pH di 6, raccomandati da Von Bertalanffy, il DNA fluoresce dal giallo al verde biancastro e l'RNA rosso. AO è un colorante di basso peso molecolare, debolmente basico, che penetra facilmente le membrane cellulari. AO ha proprietà metacromatiche e, se eccitato con luce blu (488 nm), emette fluorescenza verde. La citologia esfoliativa è una procedura diagnostica generalmente accettata per la diagnosi precoce del cancro. La microscopia confocale a scansione laser è una tecnica avanzata di imaging microscopico che ha dimostrato una buona sensibilità nell'identificazione delle cellule maligne nella citologia esfoliativa. I vantaggi offerti da questa tecnica sono la rapidità di elaborazione e screening del campione e l'aggiunta di oggettività al processo di diagnosi clinica. Le immagini microscopiche confocali colorate con arancione di acridina hanno mostrato una buona sensibilità e specificità (93%) per il rilevamento degli OPMD. L'intelligenza artificiale (IA) è un ramo dell'informatica che può essere definita come la capacità di un computer di imitare le capacità cognitive di un essere umano. L'IA corrisponde a una vasta gamma di tecniche. Tra queste, l'apprendimento profondo è una potenziale tecnologia dirompente che tenta di modellare astrazioni di alto livello nelle immagini mediche per determinare il significato diagnostico. L'apprendimento profondo, in particolare come implementato utilizzando reti neurali convoluzionali (CNN), è diventato una tecnica convenzionale per classificare, rilevare e segmentare gli oggetti nelle immagini mediche. L'intelligenza artificiale (IA) e l'apprendimento automatico (ML) hanno ricevuto ampia attenzione in odontoiatria per raggiungere funzioni cognitive dei clinici come differenziazione, risoluzione dei problemi e apprendimento. Oggi, i sistemi di diagnosi assistita da computer (CAD) alimentati da reti neurali convoluzionali (CNN) sono stati in grado di rilevare e classificare alcune lesioni cancerose. Alcuni studi recenti riguardanti l'uso dell'IA nella diagnosi precoce, nella diagnosi e nel risultato del trattamento del cancro orale hanno concluso che la tecnica di apprendimento automatico ha il potenziale per aiutare nello screening e nella diagnosi del cancro orale basandosi sui dataset. Inoltre, gli algoritmi di apprendimento profondo e convenzionali hanno successo nel predire la trasformazione maligna della leucoplachia orale e delle lesioni lichenoidi orali. Le Deep CNN possono essere un metodo efficace per costruire dispositivi visivi con capacità di memoria limitata per la diagnosi del cancro orale, mentre i modelli Faster R-CNN hanno le migliori prestazioni di rilevamento, con un AUC del 74,34% e potenziale per la classificazione con alta sensibilità e specificità (100% e 90%) rispettivamente per il modello di classificazione basato su CNN. Quindi questo studio mira ad avere un modello di algoritmo di apprendimento profondo che sia capace di valutazione del rischio oltre che di rilevamento e classificazione degli OPMD con alta accuratezza, sensibilità e specificità rispetto agli esperti.