Intelligenza artificiale e imaging microvascolare a super-risoluzione: il ruolo del deep learning nella Ultrasound Localization Microscopy

L’analisi della microcircolazione risulta di interesse clinico in numerosi ambiti, ma la scala di poche decine di micrometri che caratterizza i vasi è inaccessibile all’ecografia convenzionale, limitata dalla diffrazione. La Ultrasound Localization Microscopy (ULM) riesce a superare tale limite grazie all’utilizzo di imaging ultraveloce, microbolle come mezzo di contrasto e localizzazione sub-pixel del segnale delle singole microbolle. Questa tecnica risulta tuttavia vincolata dal compromesso tra concentrazione di microbolle e tempo di acquisizione, che ne ostacola l’impiego clinico e per il quale sono stati proposti algoritmi di deep learning applicati alla fase di localizzazione. La presente tesi costituisce una revisione critica e comparativa della letteratura su tali approcci, confrontando cinque studi sulla base delle caratteristiche metodologiche e prestazionali rispetto ai metodi di localizzazione convenzionali. Da questi confronti emerge come il principale vantaggio potenziale del deep learning è la riduzione del tempo necessario alla ricostruzione della rete vascolare. Tale beneficio è stato tuttavia quantificato direttamente solo in una parte degli studi. Non emerge un miglioramento della risoluzione spaziale coerente tra tutti gli studi. Alcuni lavori riportano risultati favorevoli al deep learning, ma l’eterogeneità delle metriche e delle procedure di valutazione non consente di stabilire un incremento generale e riproducibile del potere risolutivo. Permangono limiti che ne condizionano l’utilizzo in campo clinico, in particolare l’assenza di verità di riferimento in vivo su tessuto profondo. Le direzioni future dichiarate convergono sull’estensione tridimensionale dell’imaging e sulla costruzione di ground truth più affidabili. I risultati disponibili documentano soprattutto una fattibilità tecnica e preclinica; l’effettiva trasferibilità clinica richiede ulteriori validazioni su soggetti umani e nei tessuti profondi.