Ascolta

 

"Precision medicine to stratify disease severity and outcomes of patients with non-alcoholic fatty liver disease by using artificial intelligence"

Acronimo: 

Codice identificativo progetto: PRJ-1616 - 2022L273C9

CUP: B53D23021700006

 

 

Principal Investigator	Prof. Salvatore Petta, MD, PhD – Professore Ordinario di Gastroenterologia
Istituzione coordinatrice	Università degli Studi di Palermo
Unità 2 – Associated Investigator	Prof.ssa Elisabetta Bugianesi – Università degli Studi di Torino
Durata del progetto	24 mesi (completato – marzo 2026)
Finanziamento totale	€ 281.157 (NRRP – Missione 4, Componente 2)

 

La MASLD (Metabolic dysfunction-Associated Steatotic Liver Disease) rappresenta la malattia epatica cronica più diffusa a livello globale, colpendo oltre il 30% degli adulti. Il progetto ha sviluppato e validato modelli di intelligenza artificiale per la stratificazione non invasiva della fibrosi epatica e la predizione degli outcomes clinici. Nell’ambito di una collaborazione internazionale sono stati arruolati più di 15.000 pazienti con diagnosi clinica o istologica di MASLD, con follow-up mediano superiore a 60 mesi, generando 17 pubblicazioni su riviste ad alto impatto.

 

4.1 Modelli AI per la Stadiazione della Fibrosi Epatica

Cuore del progetto è lo sviluppo e la validazione di tre architetture di deep learning per la classificazione ordinale della fibrosi epatica (F0-F4) e il riconoscimento binario della fibrosi significativa (F≥2) e avanzata (F≥3). I modelli sono stati addestrati su 3.668 pazienti con diagnoi istologica di MASLD provenienti da 13 centri internazionali e validati geograficamente su 3 centri completamente esclusi dallo sviluppo (Svezia, USA, Giappone; n=657, 18% della coorte totale), utilizzando esclusivamente 22 parametri clinici di routine senza ricorso a biomarker specialistici. Il manoscritto principale è stato accettato per la pubblicazione su Clinical Gastroenterology and Hepatology.

 

Modello	Task A (F≥3) AUROC	Task B (F≥2) AUROC	Grey Zone (Task A)	Validaz. esterna
FIB-4 (standard)	0.756	0.713	29.3%	–
Liver Stiffness (LSM)	0.837	0.775	20.5%	–
Agile 3+	0.847	0.794	15.5%	–
FT-Transformer (22 var.) ★	0.860	0.800	8.2%	0.817–0.907
TabNet (22 var.) ★	0.855	0.788	8.4%	0.810–0.895
FT-Transformer (4 var.) ★	0.857	0.791	8.6%	–

★ p<0.01 vs FIB-4 e LSM (test DeLong appaiato). Modello a 4 variabili: LSM, piastrine, età, BMI.

 

 Figura 1. Pipeline dei modelli di deep learning per la stadiazione non-invasiva della fibrosi nella MASLD: architetture, parametri di input, task di classificazione, performance e validazione geografica esterna (3.668 pazienti biopsy-proven, 16 centri, 3 continenti). Pubblicazione accettata su Clinical Gastroenterology and Hepatology.

 

4.2 Ulteriori Studi Completati nell’ambito del PRIN

Il finanziamento PRIN ha permesso di sviluppare un ampio programma di ricerca parallelo ai modelli AI, pubblicato su riviste di primo piano:

• Monitoraggio terapeutico con LSM: L’analisi di 1.744 pazienti con LSM ≥8 kPa ha dimostrato che le variazioni a 1 anno della rigidità epatica predicono gli outcomes epatici a lungo termine (HR 1.007 per ogni 1% di riduzione, p=0.02), mentre le variazioni di CAP, ALT e FIB-4 non risultano predittori indipendenti — stabilendo l’LSM come biomarker di riferimento per il monitoraggio di resmetirom e semaglutide (Clinical Gastroenterology and Hepatology, 2026).
• Ferritina come marcatore prognostico: In 1.342 pazienti con follow-up mediano di 96 mesi, la ferritina basale è risultata predittore indipendente di eventi epatici (HR 1.50) e mortalità totale (HR 1.27), con soglie ottimali che migliorano l’accuratezza prognostica di FIB-4 e NFS (Gut, 2024).
• Storia naturale della cirrosi compensata (n=6.061): In 6.061 pazienti con cirrosi compensata da MASLD, il primo scompenso ha conferito un rischio di mortalità epatica aumentato 18.94 volte. Nella fase compensata dominano le cause extraepatiche di decesso (29.9% vs 8.7% epatica a 5 anni); post-scompenso il rapporto si inverte (Journal of Hepatology, 2025).
• MASLD vs MetALD: Meta-analisi di 24 studi (11.575.558 soggetti): MetALD presenta rischi significativamente superiori di eventi epatici (HR 1.62), HCC (HR 1.33) e tumori extraepatici (HR 1.03) rispetto a MASLD, con mortalità cardiovascolare e totale sovrapponibili — giustificando strategie cliniche distinte (Lancet Gastroenterology & Hepatology, 2025).
• Markov modeling e farmacoterapia: Modellazione di Markov per quantificare l’impatto di resmetirom sulla storia naturale della MASLD (Liver International, 2025) e meta-analisi su GLP-1 RA e riduzione degli outcomes epatici maggiori (Gut, 2025).

 

4.3 Studio in Corso: Analisi di Clustering Fenotipico

Il gruppo ha condotto un’analisi di clustering non supervisionato su 16.564 pazienti con MASLD dagli stessi 16 centri internazionali. Gaussian Mixture Models con riduzione dimensionale PCA e UMAP hanno identificato al baseline tre fenotipi distinti con traiettorie di mortalità specifica per causa significativamente divergenti a 5 anni. Lo studio è in fase di preparazione per la sottomissione.

Stato del progetto	COMPLETATO (24 mesi – marzo 2026)
Pubblicazioni peer-reviewed	17 articoli pubblicati/accettati (Gut, Lancet GH, J Hepatol, CGH, Diabetes Care)
Manoscritto principale (modelli AI fibrosi)	ACCETTATO – Clinical Gastroenterology and Hepatology (2025)
Studio di clustering fenotipico	In preparazione per sottomissione a rivista internazionale (2026)
Citazioni accumulate	> 150 (traiettoria: > 500 entro 2028)
Dataset complessivo	> 16.000 pazienti con MASLD
Network internazionale attivo	16 centri in 3 continenti

 

Il progetto è stato finanziato nell’ambito del:

• Fondo per il Programma Nazionale della Ricerca e Progetti di Ricerca di Rilevante Interesse Nazionale (PRIN 2022)
• Ministero dell’Università e della Ricerca (MUR) – Bando PRIN 2022, Prot. 2022L273C9

 

Unità	Contributo MUR (€)	Cofinanz. Ateneo (€)	Costo Totale (€)
Unità 1 – Univ. Palermo (PI: Salvatore Petta)	109.413	35.354	144.767
Unità 2 – Univ. Torino (AI: Elisabetta Bugianesi)	97.271	39.119	136.390
TOTALE PROGETTO	206.684	74.473	281.157