La spondiloartrite assiale (axSpA) è una malattia infiammatoria immunomediata che colpisce principalmente lo scheletro assiale, causando un dolore significativo e disabilità. Con una prevalenza stimata tra lo 0.3% e l’1.4% a livello globale, l'axSpA può essere classificata in axSpA radiografica e non radiografica in base alla possibilità di rilevare la condizione con radiazioni ionizzanti. La risonanza magnetica per immagini (RMI) ha rivoluzionato la diagnosi di axSpA, migliorando la probabilità di identificare la malattia non radiografica; ciò consente ai pazienti di ricevere trattamenti mirati ottimali, migliorano gli esiti a lungo termine. Tuttavia, la definizione di una "RMI positiva" rimane controversa, con una notevole variabilità inter- e intraosservatore a seconda dell'esperienza del radiologo. Questo causa ritardi diagnostici (in media 6.7 anni dalla comparsa dei primi sintomi) e sottodiagnosi. Di conseguenza, il 16.4% dei pazienti con dolore lombare cronico (CLBP) riceve una diagnosi errata, nonostante in realtà soffra di axSpAXNUMX1e, in media, la diagnosi di axSpA è ritardata di 6.7 anni.2.
Questa situazione rende difficile garantire l'accessibilità e l'efficacia degli anticorpi monoclonali per il trattamento dell'axSpA, e genera incertezze che possono avere un impatto indiretto sulla capacità di ottimizzare gli esiti dei pazienti e di sostenere i progressi a lungo termine nell'assistenza. Urge pertanto sviluppare nuovi strumenti volti a omogeneizzare e automatizzare la procedura diagnostica dell'axSpA.
L'integrazione dell'intelligenza artificiale con la risonanza magnetica offre il potenziale per sviluppare uno strumento non invasivo capace di rilevare automaticamente l'axSpA attraverso l'estrazione di pattern non percepibili dall'occhio umano. La soluzione di Quibim offrirà un metodo sistematico per l'interpretazione dei dati di imaging tramite la piattaforma QP-Insights®, utilizzabile da radiologi e reumatologi per la diagnosi di axSpA.
Quibim, in collaborazione con una delle principali aziende biofarmaceutiche, sta conducendo uno studio osservazionale retrospettivo nel mondo reale con dati provenienti da sei centri in tutto il mondo (NCT06591481). Il dataset di training è composto da 600 MRI dell'articolazione sacroiliaca (SIJ) tra cui una sequenza pesata in T1 e STIR e/o T2 satura di grasso / pesata in T200 con soppressione del grasso sui piani coronali-obliqui, acquisite al momento della diagnosi e durante il follow-up. Per il processo di convalida, viene raccolto un campione esterno di 300-XNUMX MRI con e senza axSpA. La piattaforma QP-Insights® ® viene utilizzata per la raccolta e l'elaborazione delle immagini. Una doppia lettura conforme ai criteri del Assessment of Spondylarthritis International Society (ASAS) viene eseguita da radiologi con oltre 12 anni di esperienza e un terzo lettore per la confermare l’interpretazione. Il processo di lettura prevede la classificazione in axSpA +/- e nell'identificazione dei principali reperti: edema del midollo osseo (BME), anchilosi, erosione e metaplasia adiposa. Verrà sviluppato un modello di classificazione basato su intelligenza artificiale (AI) per categorizzare i pazienti come axSpA-positivi (axSpA+) o axSpA-negativi (axSpA-). Inoltre, come obiettivo esplorativo, il modello stratificherà ulteriormente i pazienti in base ai principali reperti rilevati.
Questo strumento rappresenta un passo in avanti nel miglioramento dell'assistenza ai pazienti, fornendo agli specialisti clinici opzioni di trattamento avanzate e uno strumento basato sull'intelligenza artificiale per supportare le diagnosi accurate e tempestiva delle malattie, colmando le lacune in termini di accessibilità e precisione.
Quibim sta progettando e sviluppando un nuovo strumento con un approccio “allineamento tra prodotto e mercato” già consolidato e una proposta di valore unica.
Questo strumento consente all'azienda biofarmaceutica di ridurre la variabilità nei ricavi tra gli ospedali, che è principalmente legata all'esperienza del radiologo nell'identificazione dell'axSpA. Questo offre al contempo un approccio standardizzato all'interpretazione delle immagini RMI. Rappresenta inoltre una trasformazione digitale nella gestione delle terapie con anticorpi monoclonali, offrendo ai reumatologi sia il farmaco sia uno strumento diagnostico basato su intelligenza artificiale per identificare l'axSpA in modo più efficace. In definitiva, questa innovazione ha il potenziale per migliorare significativamente gli esiti clinici e la qualità della vita dei pazienti.
Referenze
Van Hoeven et al. Arthritis Research & Therapy (2017) 19:143
Zhao SS et al. Rheumatology (Oxford)(2021) 60:1620–1628
Leggi di più
Leggi di più
Leggi di più