Combinazione di caratteristiche profonde e superficiali per identificare la cheratosi attinica tramite fotografia clinica

Un gruppo di ricercatori dell’Università di Ioannina (Grecia) ha sviluppato un sistema di combinazione di caratteristiche superficiali (colore e struttura) e profonde della cheratosi attinica per aumentare la precisione nel rilevamento delle lesioni tramite la fotografia clinica.
Il sistema è stato costruito utilizzando rispettivamente 13.915 e 6.010 sezioni fotografiche di cute sana e lesionale provenienti da 22 pazienti. Le immagini sono state analizzate tramite macchine a vettori di supporto (support vector machine; SVM) basate su classificatori superficiali o profondi: tali sistemi di apprendimento sono in grado, a partire da un insieme iniziale di immagini classificate, di costruire un modello per l’identificazione e la classificazione di nuove immagini.
I classificatori superficiali e profondi hanno mostrato prestazioni competitive con miglioramenti complementari nella precisione di rilevamento: entrambi i classificatori hanno infatti mostrato delle lacune, che risultavano però complementari ai limiti dall’altro classificatore. La combinazione dei due sistemi ha prodotto un miglioramento significativo sia in termini di sensibilità (87%) che di specificità (86%) rispetto alle prestazioni del classificatore singolo.
Il nuovo sistema di identificazione delle lesioni potrebbe essere utile non solo nella pratica clinica ma anche nelle sperimentazioni cliniche, come strumento di confronto tra interventi diretti al campo di cancerizzazione.



Fonte: Spyridonos P, Gaitanis G, Likas A, et al. Late fusion of deep and shallow features to improve discrimination of actinic keratosis from normal skin using clinical photography. Skin Res Technol. 2019 Feb 14. doi: 10.1111/srt.12684. [Epub ahead of print]