Prevenzione delle lesioni iatrogene della via biliare durante colecistectomia laparoscopica attraverso l’utilizzo combinato di intelligenza artificiale e verde indocianina

Lo scopo del presente studio è quello di sviluppare un algoritmo di intelligenza artificiale (IA) basato sulla colangiografia a fluorescenza con verde indocianina (CF-ICG) per facilitare il corretto riconoscimento anatomico durante colecistectomia laparoscopica (CL). Poiché la CF-ICG è in grado di magnificare l'anatomia biliare extraepatica, il suo utilizzo dovrebbe ottimizzare i tempi di creazione dell'algoritmo, grazie all'analisi di un minor numero di immagini. Da Novembre 2022 a Maggio 2024 sono stati raccolti 100 video di CL con CF-ICG. I video sono stati processati al fine di ottenere 100 clips della Critical View of Safety della durata media di 50 secondi e si è proceduto alla fase di segmentazione e labelling delle immagini di 92 clips. Il dataset è stato suddiviso con proporzione 2:1:1 (training, validazione, test sia sullo stesso dataset che crociato e su dataset Endoscpes). Il sistema, basansosi sulla CF-ICG, è riuscito a riconoscere le seguenti strutture: fegato, colecisti e dotto cistico con un'accuratezza che ha raggiunto il 99%. In conclusione, in base ai dati ottenuti, è stato possibile creare un algoritmo di IA basato sulla fluorescenza per il riconoscimento delle strutture anatomiche durante CL. L’utilizzo della CF-ICG ha permesso di codificare un algoritmo accurato attraverso l’analisi di un dataset ridotto. Tale algoritmo si è dimostrato applicabile anche ad immagini a luce bianca e questo ci consente di amplificarne ulteriormente l’applicabilità. Se questi dati fossero confermati da studi prospettici multicentrici con un più ampio campione di pazienti vi sarebbero le premesse per la creazione di un sistema di riconoscimento dell’anatomia biliare real-time durante CL.