Tramite l’intelligenza artificiale, un gruppo di ricercatori dell'Università di Washington ha creato un nuovo modello per la segmentazione in 3D della prostata che può rendere più precisa l’analisi della biopsia prostatica e migliorare la diagnosi. Lo studio è stato pubblicato sul Journal of Biomedical Optics.
Il team guidato dal Professor Jonathan T. C. Liu dell'Università di Washington ha creato un modello per migliorare la segmentazione tridimensionale delle strutture del tessuto ghiandolare della prostata. Il nuovo modello di deep learning (apprendimento profondo) fornisce informazioni preziose sulla struttura ghiandolare del tumore che aiutano l’anatomopatologo nella definizione del grado di Gleason, uno dei parametri più importanti per stabilire la prognosi del tumore della prostata.
Nella routine diagnostica il grado di Gleason viene valutato sulla base della morfologia delle ghiandole neoformate del tumore, come viste al microscopio in sezioni di tessuto (istologiche) bidimensionali. Grazie al modello ideato dai ricercatori americani è possibile ottenere una visione tridimensionale della biopsia prostatica senza ricorrere a molteplici sezioni istologiche. Si tratta quindi di un possibile ausilio all’analisi istologica tradizionale, perché offre all’anatomopatologo una visione completa del tessuto ghiandolare preservandone nel contempo l'integrità.
Superando le limitazioni dell'istologia convenzionale, la patologia computazionale 3D apre nuove prospettive alla diagnosi del carcinoma della prostata, rendendola più efficace e riproducibile. Grazie a questo passo avanti nell'innovazione medica, la lotta contro il tumore della prostata può contare su strategie sempre più precise.





