Digital Pathology e Patologia Chirurgica Pediatrica: Il Supporto della Microscopia Confocale e dell'Intelligenza Artificiale per una Diagnosi di Precisione

This thesis explores the potential of integrating digital pathology, confocal microscopy, and artificial intelligence in pediatric surgical pathology. The study focuses on optimising the interaction between pathologists and AI systems through prompt engineering techniques, rather than developing new algorithms, demonstrating the feasibility of a path that can unlock tremendously important opportunities. The research, at the Department of Pathological Anatomy of the Polytechnic University of Marche in collaboration with the Salesi Hospital in Ancona, evaluated 22 pediatric clinical cases, 19 of which had available gold standards. The analysis demonstrated that even non-specialized multimodal AI models (GPT-4V and Claude 3.7) can provide accurate diagnoses, with concordance rates compared to the gold standard of 84.2% and 68.4% respectively. A key finding was the impact of immunohistochemistry (IHC) on diagnostic accuracy: in cases with IHC data available, both models achieved 100% accuracy. This highlights the importance of integrating supplementary data to optimize AI diagnostic performance. The study also demonstrated the value of confocal microscopy (VivaScope 2500 M-G4) as an enabling technology for AI integration in pediatric pathology, making diagnostic images available in significantly reduced time compared to traditional histological techniques. Based on the results obtained, the AnPathology project was outlined: an integrated digital pathology platform aimed at optimizing pathologist-AI interaction and promoting the integration of various diagnostic tools, to be used in the areas of education, scientific research, and digital pathology services. Despite methodological limitations, such as sample size and case heterogeneity, the results support the thesis that the effectiveness of integrating digital pathology and AI crucially depends not only on the quality of the technologies involved but also on optimizing human-machine interaction, opening new perspectives for digital pathology diagnostics in paediatrics and more.

Questa tesi esplora le potenzialità dell'integrazione tra patologia digitale, microscopia confocale e intelligenza artificiale nell'ambito della patologia chirurgica pediatrica. Lo studio si focalizza sull'ottimizzazione dell'interazione tra anatomo-patologo e sistemi di IA attraverso tecniche di prompt engineering, piuttosto che sullo sviluppo di nuovi algoritmi, dimostrando la fattibilità di un percorso che può sbloccare opportunità importantissime. La ricerca, condotta presso il Dipartimento di Anatomia Patologica dell'Università Politecnica delle Marche in collaborazione con l'Ospedale Salesi di Ancona, ha valutato 22 casi clinici pediatrici, di cui 19 con gold standard disponibile. L'analisi ha dimostrato che anche modelli non dedicati di IA multimodale (GPT-4V e Claude 3.7) possono fornire diagnosi accurate, con tassi di concordanza rispetto al gold standard dell'84,2% e 68,4% rispettivamente. Un risultato chiave è stato l'impatto dell'immunoistochimica (IHC) sull'accuratezza diagnostica: nei casi con dati IHC disponibili, entrambi i modelli hanno raggiunto un'accuratezza del 100%. Questo evidenzia l'importanza di integrare dati supplementari per ottimizzare le performance diagnostiche dell'IA. Lo studio ha inoltre dimostrato il valore della microscopia confocale (VivaScope 2500 M-G4) come tecnologia abilitante per l'integrazione dell'IA nella patologia pediatrica, permettendo di ottenere immagini diagnostiche in tempi significativamente ridotti rispetto alle tecniche istologiche tradizionali. Basandosi sui risultati ottenuti, è stato delineato il progetto AnPathology: una piattaforma integrata di patologia digitale che mira a ottimizzare l'interazione patologo-IA e a promuovere l'integrazione di diversi strumenti diagnostici, per essere utilizzata nel campo della formazione, ricerca scientifica e servizi di patologia digitale. Nonostante i limiti metodologici, come la dimensione del campione e l'eterogeneità della casistica, i risultati supportano la tesi che l'efficacia dell'integrazione tra patologia digitale e IA dipende in modo cruciale non solo dalla qualità delle tecnologie coinvolte, ma anche dall'ottimizzazione dell'interazione uomo-macchina, aprendo così nuove prospettive per la diagnostica anatomo-patologica in ambito pediatrico e non solo