L’apprendimento automatico sta assumendo un ruolo sempre più rilevante nella pratica clinica, in particolare nell’ambito dello screening del tumore del colon-retto (CRC). Una recente revisione sistematica con meta-analisi, pubblicata su Journal of Clinical Gastroenterology nel 2026, ha valutato le performance dei modelli di Machine Learning (ML) nella stima del rischio e della probabilità di presenza di neoplasie e polipi colorettali avanzati (ACP) in fase pre-endoscopica.
Lo studio ha incluso 14 pubblicazioni, con una mediana di 3.618 pazienti per studio (range: 333–oltre 263.000 soggetti). L’obiettivo era valutare la capacità degli algoritmi di identificare adenomi o carcinomi utilizzando dati clinici e anamnestici disponibili prima dell’esecuzione della colonscopia.
L’analisi ha evidenziato buone performance diagnostiche, con una sensibilità combinata di 0,832, una specificità di 0,802 e un’area sotto la curva (AUROC) complessiva pari a 0,883. Tuttavia, è emersa un’ampia variabilità tra gli studi inclusi, con valori di AUROC compresi tra 0,6 e 1, riflettendo differenze significative nei modelli e nelle metodologie adottate.
Nel complesso, i risultati indicano un potenziale impatto clinico dell’IA nella stratificazione del rischio, con la possibilità di migliorare la selezione dei pazienti da indirizzare a colonscopia e, potenzialmente, ridurre il numero di procedure non necessarie nei soggetti a basso rischio. Tuttavia, la marcata eterogeneità degli studi suggerisce cautela. Una futura applicazione su larga scala richiederà standardizzazione metodologica e validazioni prospettiche in contesti clinici reali.
Journal of clinical gastroenterology, 60(3), 237–246. https://doi.org/10.1097/MCG.0000000000002172
