Rozpoznanie achalazji uproszczone dzięki AI i zdjęciu rentgenowskiemu
Achalazja to choroba spowodowana zaburzeniem motoryki przełyku. Pacjenci odczuwają zatrzymywanie się pokarmu, jego regurgitację oraz ból w klatce piersiowej. Obecnie w diagnostyce stosuje się głównie endoskopię górnego odcinka przewodu pokarmowego oraz wysokiej rozdzielczości manometrię – metody skuteczne, ale inwazyjne.
W obrazie klasycznego zdjęcia RTG klatki piersiowej można dostrzec charakterystyczne cechy achalazji, takie jak skręcenie czy poszerzenie przełyku oraz zaleganie płynów. Jednak objawy te są na ogół mało swoiste, dlatego w praktyce konieczne jest użycie kontrastu z siarczanem baru.
Zespół badawczy z Osaka Metropolitan University Graduate School of Medicine, kierowany przez dr. Tadashiego Ochiaia, dr. Akinariego Sawadę oraz prof. nadzw. Daiju Uedę, opracował model sztucznej inteligencji (AI), który analizując standardowe zdjęcia RTG klatki piersiowej, potrafi rozpoznać typowe cechy achalazji.
Do uczenia algorytmu wykorzystano 207 zdjęć RTG od 144 pacjentów z achalazją przełyku oraz 240 zdjęć RTG od pacjentów zdrowych, dopasowanych wiekiem i płcią. Skuteczność modelu sprawdzono następnie na zestawie testowym obejmującym 17 zdjęć RTG pacjentów z achalazją i 64 zdjęcia pacjentów bez tej choroby.
Model AI osiągnął bardzo wysoką skuteczność diagnostyczną (AUC 0,964; czułość 0,941; swoistość 0,891). Co istotne, algorytm przewyższył w ocenie tych samych obrazów lekarzy, uzyskując lepsze wyniki zarówno pod względem czułości, jak i swoistości.
„Z doniesień wynika, że od wystąpienia objawów do postawienia diagnozy w przypadku achalazji mija średnio 6,5 roku. Opóźnienie rozpoznania może pogłębiać poszerzenie i skrzywienie przełyku, a tym samym zmniejszać skuteczność leczenia. Dlatego wczesna diagnostyka jest szczególnie pożądana” – podkreślił dr Sawada. „W Japonii zdjęcia RTG klatki piersiowej są rutynowo wykonywane podczas okresowych badań przesiewowych. Wyniki naszego badania sugerują, że w przyszłości możliwe będzie proste i mało inwazyjne wykrywanie achalazji właśnie w tym kontekście.”
Źródło: Clinical Gastroenterology and Hepatology, Artificial Intelligence-Based Detection of Achalasia on Plain Chest Radiography
DOI: http://dx.doi.org/10.1016/j.cgh.2025.08.024
