Sviluppo di un software per l'identificazione e la valutazione ecografica del nervo mediano a livello del canale carpale

Titolo: Sviluppo di un software per l’identificazione e la valutazione ecografica del nervo mediano a livello del canale carpale. Obiettivo: L’ecografia consente l’individuazione di anomalie morfostrutturali del nervo mediano in pazienti con sindrome del tunnel carpale. Per la valutazione del nervo mediano, il parametro più utilizzato è l’area della sezione trasversa, o Cross Sectional Area (CSA), misurata all’ingresso prossimale del canale carpale. L’identificazione del nervo mediano non è sempre facile per operatori inesperti e la misura della CSA da parte dell’operatore richiede tempo e può non essere facilmente standardizzabile. Obiettivo del presente studio è stato quello di sviluppare un algoritmo per l’identificazione del nervo mediano e il calcolo della CSA su immagini ecografiche acquisite a livello del canale carpale. Materiali e metodi: Sono stati arruolati pazienti consecutivi. L’esame ecografico, condotto bilateralmente con una sonda da 6-18 MHz, ha previsto l’acquisizione di immagini in scansione trasversale a livello dell’ingresso prossimale del canale carpale. L’operatore ha misurato la CSA del nervo mediano tracciando una linea passante per il margine interno dell’epinevrio. Per l’individuazione del nervo è stato sviluppato un algoritmo di intelligenza artificiale (rete neurale convoluzionale). Il dataset di immagini è stato suddiviso in tre parti: training, validation e testing set. L’annotazione manuale del margine interno dell’epinevrio ha costituito il gold standard per verificare la correttezza della predizione dell’algoritmo. La performance dell’algoritmo è stata valutata tramite Precision (Prec), Recall (rec) e mean Average Precision (mAP), considerando le predizioni come corrette per una sovrapposizione di almeno il 70% con l’area misurata dall’operatore. È stato calcolato il Dice Similarity Coefficient (DSC) per valutare la sovrapposizione della sezione predetta con quella di riferimento. Il confronto tra i valori delle aree misurate dall’operatore e quelle calcolate dall’algoritmo (eseguito solo sulle predizioni considerate corrette) è stato condotto con il test di Mann Whitney. È stato calcolato il coefficiente di correlazione intraclasse (ICC) con intervallo di confidenza al 95%. Risultati: Sono stati arruolati 103 pazienti per un totale di 246 immagini. La fase di testing è stata condotta su 49 immagini acquisite in 23 pazienti. L’algoritmo ha identificato correttamente il nervo in 41/49 immagini (83.7%), ottenendo in termini di valore medio con deviazione standard le metriche Prec pari a 0.86 ± 0.33, Rec 0.88 ± 0.32, mAP 0.88 ± 0.32 e DSC 0.86 ± 0.19. Non è emersa una differenza fra i valori delle aree misurati dall’operatore e quelli calcolati dall’algoritmo (p=0.88). L’accordo tra operatore ed algoritmo è stato eccellente, con un ICC pari a 0.97 (0.94-0.98). Conclusione: La rete neurale proposta è in grado di identificare il nervo mediano e di calcolarne la CSA con grande precisione. L’implementazione di tale rete neurale permetterebbe di velocizzare l’esame ecografico e di fornire ad operatori inesperti un supporto per la corretta identificazione del nervo mediano.