Vedere dove l’occhio umano non arriva

A cura di Priscilla De Fiore By 25 Febbraio 2026No Comments
Dai congressiNewsSpeciali
occhio umano

L’intelligenza artificiale applicata alla valutazione endoscopica e istologica delle IBD ha occupato un posto di primo piano tra i temi del Congresso dell’European Chron’s and Colitis Organisation (ECCO) 2026. 

Sono stati approfonditi quattro fronti complementari: la capacità dei modelli linguistici multimodali di grandi dimensioni (MLLM) di graduare l’attività endoscopica nella colite ulcerosa (CU), la possibilità di standardizzare la valutazione istologica attraverso reti neurali convoluzionali, il potenziale dell’IA nell’individuare differenze di risposta terapeutica invisibili all’occhio umano e l’emergere di strumenti digitali per supportare il clinico nella navigazione delle linee guida.

Il contributo più discusso sul versante della valutazione endoscopica automatizzata è stato quello proposto dal gruppo dell’Affiliated Wuxi People’s Hospital of Nanjing Medical University (Wuxi, Cina) che in una comunicazione orale digitale ha confrontato sistematicamente le prestazioni di cinque MLLM (Gemini 2.5-Pro, Grok-4, GPT-4o, GPT-5 e Qwen-VL-Max) nella classificazione del Mayo Endoscopic Score (MES) in 283 immagini validate da tre esperti di malattie infiammatorie intestinali. GPT-5 ha raggiunto un’accuratezza del 71,7%, paragonabile a quella di un medico senior esperto di IBD (78,4%; p=0,068), con un F1-score di 0,720 quasi doppio rispetto agli altri modelli (range 0,338–0,602). Il sigma è risultato il segmento più accuratamente classificato, mentre retto, regione ileocecale e soprattutto il grado MES=1 (attività lieve) si sono confermati le aree di maggiore difficoltà, sia per i sistemi AI (circa 39% di accuratezza) sia per i clinici ( circa 60%), a causa dell’elevata soggettività interpretativa. L’aggiunta di informazioni contestuali sul segmento intestinale ha migliorato significativamente le performance dei modelli meno performanti.

Un passo ulteriore nell’integrazione dell’IA nella valutazione endoscopica è venuto dallo studio presentato dal TITRATE study group, che ha impiegato il tool DovaVision UC per rivalutare retroattivamente le colonscoscopie videoregistrate del trial TITRATE — uno studio randomizzato prospettico su pazienti con CU grave acuta (ASUC) steroido-refrattari e naïve a IFX, randomizzati 1:1 a dosaggio standard (SD, 5 mg/kg a settimane 0, 2 e 6) o personalizzato (PD, guidato dall’algoritmo farmacocinetico bayesiano iDose™). Mentre la valutazione umana in cieco di UCEIS e MES non aveva rilevato differenze significative tra i due bracci (UCEIS: 56,5% PD vs 44,0% SD, p=0,540; MES: 60,8% vs 40,0%, p=0,250), l’AI-UCEIS ha evidenziato tassi di risposta endoscopica del 78,3% nel braccio PD contro il 36,0% nel braccio SD (p=0,004), e l’AI-MES ha rilevato risposta nel 69,6% vs 32,0% (p=0,020). Questo è il primo studio nelle IBD in cui un sistema AI è riuscito a distinguere l’effetto di due strategie terapeutiche diverse là dove l’occhio umano aveva fallito, aprendo prospettive rilevanti per il disegno e la potenza statistica dei trial futuri.

Sul versante dell’analisi istologica, una collaborazione tra l’Oxford University Hospitals NHS Foundation Trust, l’Imperial College e il Watford General Hospital ha dato vita a un modello AI a doppio ramo basato su reti neurali convoluzionali, allenato su oltre 62.000 coppie di annotazioni e validato su 30.000 immagini da 26 whole slide images (WSI) in cieco. Applicato a 223 WSI di 57 pazienti, il modello ha quantificato con precisione le densità di neutrofili nella lamina propria (incremento 3,5 volte in malattia attiva) e nelle cripte (15 volte), la deplezione di mucina, il branching, gli ascessi criptici e la solidity crittale. Le metriche AI hanno mostrato correlazioni statisticamente significative (p<0,0001) con i criteri delle tre principali scale istologiche — Nancy Index (NI), Simplified Geboes Score (SGS) e Robarts Histopathology Index (RHI) — con coefficienti di Spearman fino a 0,62 per la deplezione di mucina. Il modello, pensato come strumento di supporto al patologo, potrebbe ridurre la variabilità inter-osservatore e offrire metriche quantitative nuove per valutare l’effetto dei farmaci a livello mucosale.

A completare il panorama digitale delle IBD, Beatriz Gros del Reina Sofía University Hospital (Córdoba, Spagna), colleghe e colleghi hanno presentato ChatIBD, uno strumento AI clinico basato su retrieval-augmented generation (RAG), alimentato da oltre 30 linee guida internazionali e integrato con un database di dosaggi tratto dalle schede tecniche EMA. Lanciato nell’ottobre 2025, ChatIBD ha raccolto in pochi mesi 2.642 interrogazioni da 578 utenti registrati in 54 Paesi, in 19 lingue diverse, con una accuratezza superiore al 95% su 400 risposte valutate in fase beta. Le query più frequenti hanno riguardato la farmacoterapia (45,3%), l’educazione e i punteggi (12%) e le tematiche riproduttive e di allattamento (8,4%), riflettendo le esigenze pratiche del clinico IBD nel quotidiano. La natura multilingue e l’adattamento geografico delle risposte posizionano ChatIBD come potenziale strumento di democratizzazione dell’expertise IBD, in particolare nei Paesi a rapida crescita di incidenza.

Nel complesso, i lavori presentati a ECCO 2026 in questo ambito delineano un ecosistema digitale IBD sempre più articolato: dall’analisi automatizzata dell’immagine endoscopica e istologica, capace di superare i limiti della percezione umana, agli assistenti AI per il supporto decisionale clinico. Il comune denominatore è la promessa di ridurre la variabilità, standardizzare la valutazione e rendere scalabili strategie complesse, dal treat-to-target alla personalizzazione della terapia, che oggi restano vincolate alla disponibilità di expertise specialistica.