AIIC AWARDS 2023

VALIDAZIONE DI ARGO (GENERATORE AUTOMATICO DI RECORD IN ONCO-EMATOLOGIA): UNA NUOVA APP PER CONVERTIRE IN AUTOMATICO REFERTI CARTACEI DI ANATOMIA-PATOLOGICA IN ECRFS STANDARDIZZATE.

AFFILIAZIONE
ematologia e terapia cellulare e ufficio di trasferimento tecnologico, irccs istituto tumori ‘giovanni paolo ii’

AUTORE PRINCIPALE
Ing. Zaccaria Gian Maria

VALUTA IL CHALLENGE[ratingwidget]

GRUPPO DI LAVORO
Ing. Zaccaria Gian Maria – ematologia e terapia cellulare e ufficio di trasferimento tecnologico, irccs istituto tumori ‘giovanni paolo ii’, bari
Ing. Berloco Francesco – dipartimento di ingegneria elettrica e informatica, politecnico di bari, bari
Dr. Clemente Felice – ematologia e terapia cellulare, irccs istituto tumori ‘giovanni paolo ii’, bari
Dr. Pappagallo Susanna Anita – ematologia e terapia cellulare, irccs istituto tumori ‘giovanni paolo ii’, bari
Dr. Vegliante Maria Carmela – ematologia e terapia cellulare, irccs istituto tumori ‘giovanni paolo ii’, bari
Dr. Gargano Grazia – dipartimento di matematica, università degli studi aldo moro, bari
Dr. Mondelli Paolo – ematologia e terapia cellulare, irccs istituto tumori ‘giovanni paolo ii’, bari
Dr. Volpe Giacomo – ematologia e terapia cellulare, irccs istituto tumori ‘giovanni paolo ii’, bari
Dr. Bucci Antonella – ematologia e terapia cellulare, irccs istituto tumori ‘giovanni paolo ii’, bari
Dr. Skrypets Tetiana – ematologia e terapia cellulare, irccs istituto tumori ‘giovanni paolo ii’, bari
Dr. Minoia Carla – ematologia e terapia cellulare, irccs istituto tumori ‘giovanni paolo ii’, bari
Dr. Quinto Angela Maria – ematologia e terapia cellulare, irccs istituto tumori ‘giovanni paolo ii’, bari
Dr. Loseto Giacomo – ematologia e terapia cellulare, irccs istituto tumori ‘giovanni paolo ii’, bari
Dr. Rossini Bernardo – ematologia e terapia cellulare, irccs istituto tumori ‘giovanni paolo ii’, bari
Dr. Pavone Fabio – ematologia e terapia cellulare, irccs istituto tumori ‘giovanni paolo ii’, bari
Dr. Scattone Anna – dipartimento di anatomia patologica, irccs istituto tumori ‘giovanni paolo ii’, bari
Ing. Carella Giuseppe – ufficio di trasferimento tecnologico, irccs istituto tumori ‘giovanni paolo’, bari
Ing. Angiulli Vito – ufficio di trasferimento tecnologico, irccs istituto tumori ‘giovanni paolo’, bari
Dr. Pagani Chiara – divisione di ematologia, asst-spedali civili di brescia, brescia
Dr. Di Rocco Alice – unità di ematologia, azienda ospedaliero-universitaria policlinico umberto i, roma
Dr. Quaglia Francesca Maria – dipartimento di medicina, unità di ematologia, università di verona, verona
Dr. Tabanelli Valentina – divisione di ematopatologia diagnostica, istituto europeo di oncologia, milano
Dr. Fama Angelo – uos ematologia, asl teramo, teramo
Dr. Puccini Benedetta – unità di ematologia, ospedale universitario careggi, firenze
Dr. Moia Riccardo – divisione di ematologia, azienda ospedaliero-universitaria maggiore della carità di novara, novara
Dr. Ferrero Simone – divisione di ematologia 1, aou “città della salute e della scienza di torino”, torino
Prof. Grieco Alfredo – dipartimento di ingegneria elettrica e informatica, politecnico di bari, bari
Prof.ssa Colucci Simona – dipartimento di ingegneria elettrica e informatica, politecnico di bari, bari
Dr. Guarini Attilio – ematologia e terapia cellulare, irccs istituto tumori ‘giovanni paolo ii’, bari
Dr. Ciavarella Sabino – ematologia e terapia cellulare, irccs istituto tumori ‘giovanni paolo ii’, bari

AREA TEMATICA
Applicazioni di intelligenza artificiale in sanità

ABSTRACT
La scarsa accessibilità ai sistemi informativi aziendali limita l’utilizzo dei dati di pazienti di pratica clinica per scopi di ricerca traslazionale. La App ARGO (Generatore Automatico di Record Onco-ematologici) converte i referti patologici cartacei in eCRF (electronic Case Report Form) sfruttando le tecnologie OCR (Optical Character Recognition) e NLP (Natural Language Processing) [Zaccaria, Sci.Rep., 2021]. Al fine di dimostrare la sua scalabilità, ARGO è stato validato su 501 referti patologici provenienti da otto Centri italiani, tra cui le diagnosi dei sottotipi di linfoma più frequenti.
La fase di validazione ha coinvolto sei ematologi che hanno generato le eCRF semplicemente acquisendo fotografie di ogni referto cartaceo utilizzando altrettanti Apple iPhone (IOS v.15). Abbiamo suddiviso i referti in due gruppi composti da 347 referti dell’IRCCS Istituto Tumori ‘Giovanni Paolo II’ (serie interna, SI) e da 154 referti provenienti da sette centri cooperativi italiani (serie esterna, SE). I referti includevano i principali marcatori immunoistochimici (MI). Sulla base dei marcatori identificati, l’algoritmo di ARGO (sviluppato in Python) provvede ad inviarli attraverso tecnologia API ai server dell’NIH (National Institute of Health) per poi classificare la diagnosi di linfoma sulla base dell’ICD-10 e dell’ICD-O. Per superare il rischio di mis-classificazione, abbiamo integrato all’algoritmo un modello Random Forest addestrato sulla SI, e poi testato sulla SE. Le prestazioni dell’App sono state valutate in termini di accuratezza e F1-score.
L’App ARGO include due casi d’uso per acquisire prospetticamente e leggere retrospettivamente i referti. Il primo consente al medico di acquisire referti patologici tramite la fotocamera del telefono cellulare. Il secondo permette di ricercare i pazienti filtrando per ID del referto, diagnosi e anagrafica del paziente. Per ogni nuovo record, ARGO converte le informazioni demografiche dei pazienti, la diagnosi, il tessuto di origine dei campioni e i MI. ARGO ha convertito con successo 490 report (97,8%) in eCRF strutturate (complessivamente, 18.816 dati) raggiungendo, per la classificazione delle diagnosi, accuratezze comprese tra l’87,3% e l’82,5% rispettivamente per la SI e la SE e punteggi di F1 tra l’87,3% e l’83,0% per la SI e la SE.
ARGO è facilmente trasferibile alla pratica clinica quotidiana a supporto della ricerca traslazionale. Gli sforzi attuali mirano a sviluppare una versione multilingue dell’App.

 

 

Torna su »