Classificazione clinica della malattia celiaca tramite un modello di intelligenza artificiale.

"One of the first universal definitions of coeliac disease dates back to 1970; however, in June 2011 during the 14th International Coeliac Disease Symposium, a group of physicians proposed the Oslo definitions to describe the clinical phenotypes of coeliac disease. The primary aim of this study is to identify, based upon clinical features, new categories of patients in order to develop a more significant clinical model compared to the Oslo Classification. This multicentered retrospective study has enrolled 2478 participants coming from 18 Italian medical centres. Using four variables for signs and symptoms (gastrointestinal disorders, hematological abnormalities, neurological manifestations and weakness), patients’ cohort has been divided into four latent classes, obtained thanks to a form of unsupervised machine learning called “Latent Class Analysis”. Comparing the old and the new classification models, both advantages neither disadvantages come to light. Although this study reveals some limitations, it can provide food for thought about several applications of Artificial Intelligence in the medical setting, particularly for the improvement in the diagnosis and prognosis of coeliac disease".

"Una delle prime definizioni universali della malattia celiaca risale al 1970; tuttavia, nel giugno 2011 in occasione della XIV edizione del Congresso Internazionale sulla celiachia, fu proposta la Classificazione di Oslo volta ad identificare i diversi fenotipi clinici di malattia. L’obiettivo primario dello studio è quello di individuare, sulla base del quadro clinico, nuove categorie di pazienti, per poi sviluppare un modello che sia clinicamente più rilevante rispetto alla Classificazione di Oslo attualmente in vigore: per raggiungere tale scopo è stata utilizzata l’Artificial Intelligence con alcune sue modalità di apprendimento. Si tratta di uno studio multicentrico retrospettivo a cui hanno preso parte 2478 pazienti provenienti da 18 centri italiani. A partire da quattro categorie di segni e sintomi (manifestazioni gastrointestinali, alterazioni ematologiche, disturbi neurologici e astenia), la coorte è stata suddivisa in quattro classi “latenti”, così chiamate poiché ottenute mediante una forma di unsupervised machine learning detta “Latent Class Analysis”. Dal confronto tra i due modelli classificativi si evince che entrambi possiedono punti di forza e di debolezza. Lo studio proposto, nonostante i diversi limiti mostrati, fornisce un valido spunto di riflessione sulle possibili applicazioni dell’Artificial Intelligence in ambito medico e, in particolare, nel perfezionamento del percorso diagnostico e prognostico della malattia celiaca.