L'osteoartrite del ginocchio (KOA) è una delle cause più comuni di dolore articolare, non solo negli anziani ma anche nei più giovani. Rilevare la malattia in tempo è fondamentale, perché più presto si interviene, più efficaci sono le terapie. Tradizionalmente, la diagnosi si basa sull'occhio esperto del radiologo, ma anche i professionisti possono commettere errori.
Un team di ricercatori ha sviluppato un modello di deep learning che usa gli auto‑encoder per estrarre le caratteristiche più importanti dalle radiografie del ginocchio. Gli auto‑encoder sono reti neurali che imparano a comprimere le immagini, mantenendo solo le informazioni più rilevanti. Dopo questa fase, il modello classifica le immagini in due gruppi: KOA‑positiva o KOA‑negativa, e assegna un punteggio di gravità da 0 (ginocchio sano) a 4 (osteoartrite severa).
Il primo esperimento, con auto‑encoder e classificatore integrato, ha raggiunto il 96,68% di accuratezza. Nella seconda prova, gli stessi auto‑encoder hanno alimentato una rete chiamata Extreme Learning Machine, spingendo l'accuratezza al 98,6%. Per verificare la robustezza, i ricercatori hanno usato un dispositivo portatile Butterfly iQ+ per acquisire le immagini e hanno elaborato i dati su Google Colab, dimostrando che il sistema funziona anche fuori dal laboratorio.
Questi risultati suggeriscono che l'IA può diventare un supporto affidabile per i medici, riducendo gli errori diagnostici e accelerando la scelta del trattamento più adatto. In futuro, tecnologie simili potrebbero essere integrate nei centri sanitari e persino negli smartphone, rendendo la diagnosi precoce più accessibile a tutti.
