Introduzione
La videocapillaroscopia ungueale è uno strumento diagnostico e di monitoraggio non invasivo molto utile nelle malattie reumatiche e autoimmuni. Il suo obiettivo è osservare l’evoluzione delle alterazioni strutturali e morfologiche dei capillari sanguigni, consentendo, tra le altre cose, di identificare pattern di malattia associati alla sclerosi sistemica o al fenomeno di Raynaud.
Pur essendo una tecnica semplice, presenta una limitazione importante: la variabilità inter-osservatore. Le immagini acquisite devono essere esaminate da professionisti sanitari per identificare e descrivere correttamente le anomalie della struttura capillare, un processo che dipende dalla loro esperienza.
I sistemi automatizzati basati su software possono essere di grande aiuto nel superare questa limitazione. Capillary.io ha sviluppato l’algoritmo CAPI-Score, che riduce la variabilità nell’interpretazione della capillaroscopia. CAPI-Score identifica i pattern di malattia eliminando la soggettività dell’osservatore. La sua accuratezza è stata testata in una coorte di campioni di pazienti con sclerosi sistemica e fenomeno di Raynaud, e i risultati sono stati pubblicati con successo sulla rivista Rheumatology. Continua a leggere per saperne di più!
Che cos’è l’algoritmo CAPI-Score
L’algoritmo Fast-Track, proposto da membri esperti della European Alliance of Associations for Rheumatology (EULAR), permette a capillaroscopisti di qualsiasi livello di distinguere, con una certa affidabilità, un pattern sclerodermico da uno non sclerodermico. CAPI-Score va oltre e classifica i campioni di sclerosi sistemica in pattern sclerodermici early, active o late, seguendo i criteri EULAR, e distingue tra pattern normali e non specifici.
CAPI-Score è ispirato all’algoritmo Fast-Track, che presenta limiti di oggettività perché non specifica punti di cut-off del tutto chiari. Per eliminare la soggettività di Fast-Track, CAPI-Score utilizza criteri quantitativi per assegnare o scartare pattern in modo completamente oggettivo attraverso un algoritmo semplice.
Per ottenere questo risultato, CAPI-Score si basa su un albero decisionale che permette di assegnare ogni capillaroscopia a una delle seguenti categorie: normale, non specifica, SSc-early, SSc-active e SSc-late. L’algoritmo combina 4 regole definite in modo oggettivo e quantitativo per classificare i pattern, analizzando diverse variabili che stabiliscono un criterio per dividere dicotomicamente i dati in una categoria o nell’altra. Le variabili selezionate sono: densità, proporzione di capillari con forma anomala (in precedenza definiti capillari ramificati, arborizzati o ramificazioni), capillari giganti, tortuosità ed emorragie. Queste variabili sono raggruppate secondo pattern consensuali, utilizzando l’opinione degli esperti come riferimento per identificare caratteristiche distintive e definire un punto di cut-off.
Nove capillaroscopisti hanno partecipato allo studio e hanno analizzato 1.040 capillaroscopie di pazienti con sclerosi sistemica o fenomeno di Raynaud. Ciascuna capillaroscopia è stata assegnata in modo casuale a tre dei nove esperti, che l’hanno studiata manualmente e in cieco, visualizzando solo le immagini capillaroscopiche e nessun altro dettaglio del paziente. Le capillaroscopie per le quali due o più capillaroscopisti raggiungevano un consenso nella classificazione del pattern di malattia sono state considerate il gold standard. Alla fine, 851 capillaroscopie con consenso sono state utilizzate per l’analisi.
Un albero decisionale basato su 4 regole per classificare le capillaroscopie
Le quattro regole dell’albero decisionale usato da CAPI-Score per classificare i diversi pattern sono le seguenti:
Regola 1: distinzione tra pattern sclerodermici e non sclerodermici. Una capillaroscopia è indicativa di pattern sclerodermico quando la densità capillare è ≤6 capillari per mm e/o vengono rilevati capillari giganti e/o la proporzione di capillari con forme anomale è >10%.
Regole 2 e 3: classificazione dei pattern sclerodermici (early vs. active vs. late). Quando la densità è ≥5 capillari per mm, il pattern è SSc-early, salvo che i capillari giganti siano ≥10% o le forme anomale siano ≥5%. In questi casi, il pattern diventa SSc-active.
D’altra parte, quando la densità è <5 capillari per mm, il pattern è inizialmente SSc-late. Tuttavia, se i capillari giganti sono ≥33% o le forme anomale sono ≤7%, il pattern diventa SSc-active. Nonostante ciò, indipendentemente da queste condizioni, se ≤7% dei capillari è gigante o ≥15% dei capillari è anomalo, il pattern rimane SSc-late.
Regola 4: classificazione dei pattern non sclerodermici (normale vs. non specifico). Quando la densità è >6 capillari per mm, il pattern è non specifico se si verifica una o più delle seguenti condizioni: percentuale di tortuosità ≥20%; presenza di emorragie; percentuale di capillari con forma anomala ≥2%. In caso contrario, il pattern è normale.
Capillary.io utilizza l’intelligenza artificiale per estrarre variabili quantitative dalle capillaroscopie e applicare l’algoritmo CAPI-Score per suggerire un pattern per la capillaroscopia. Il software analizza la densità capillare e la proporzione di capillari giganti, forme anomale, emorragie e tortuosità, permettendo di assegnare un pattern a qualsiasi capillaroscopia in modo quantitativo.
L’accuratezza di CAPI-Score
I risultati sperimentali mostrano che la probabilità che l’algoritmo e un capillaroscopista esperto differiscano nella classificazione di un pattern si riduce in modo significativo.
Per calcolare l’accuratezza dell’algoritmo nella classificazione dei diversi pattern di malattia, è stata valutata l’affidabilità di ciascun passaggio analizzando la concordanza tra l’opinione dei capillaroscopisti esperti, considerata come riferimento, e la previsione dell’algoritmo. Sono state analizzate 851 capillaroscopie con il software, osservando che l’accuratezza della classificazione tra pattern sclerodermici e non sclerodermici applicando la prima regola era pari a 0,88, con concordanze sempre superiori all'85%.
Nella stratificazione dei diversi pattern sclerodermici, l’accuratezza era pari a 0,82 e le concordanze erano sempre superiori all'80%, ad eccezione del pattern late.
Nell’ultimo passaggio dell’algoritmo, la classificazione dei pattern non sclerodermici in normale o non specifico, l’accuratezza era pari a 0,73 e le concordanze erano superiori al 70%. In tutti i casi, se il consenso tra i tre capillaroscopisti era unanime, l’accuratezza e le concordanze aumentavano considerevolmente.
Vantaggi dell’uso di Capillary.io
Capillary.io è una piattaforma per la capillaroscopia agile, semplice e, come dimostrato, oggettiva. Questo strumento innovativo, oltre a catturare e organizzare facilmente le foto capillaroscopiche con calibrazione automatica, analizza i capillari rilevati e assegna un pattern ai diversi campioni grazie ai suoi algoritmi e modelli basati su deep learning.
È scientificamente validata e supportata da risultati riproducibili: riduce la variabilità inter-osservatore, eliminando la principale limitazione della videocapillaroscopia ungueale. Inoltre, è in grado di rilevare con precisione i pattern di malattia.
Capillary.io nasce come soluzione alla mancanza di omogeneizzazione nell’analisi capillaroscopica, permettendo di sfruttare tutto il potenziale della tecnica. Inoltre, riduce il tempo dedicato all’analisi e ne diminuisce la complessità.
Vuoi saperne di più su Capillary.io? Esplora il nostro sito o registrati qui!