Background e obiettivo del lavoro: Il diabete tipo 2 (T2D) è caratterizzato da disfunzione β-cellulare e insulino-resistenza, ma le alterazioni morfologiche pancreatiche associate alla malattia rimangono eterogenee e insufficienti per distinguere con affidabilità il tessuto del soggetto con diabete da quello senza diabete. In questo studio, gli autori hanno applicato un approccio data-driven basato su deep learning ed explainable artificial intelligence (XAI) per identificare caratteristiche istologiche associate al T2D in campioni pancreatici umani.
Metodi e risultati principali: Sono state analizzate sezioni pancreatiche provenienti da 100 donatori viventi metabolicamente fenotipizzati (35 T2D, 65 non diabetici) sottoposti a pancreasectomia. I campioni sono stati studiati mediante immunoistochimica singola e immunofluorescenza multiplex per identificare cellule endocrine, strutture vascolari, adipociti e fibre neuronali. Le intere sezioni digitalizzate sono state analizzate mediante modelli di deep learning basati su multiple instance learning, una strategia che consente di classificare l’intera sezione istologica senza necessità di annotare manualmente ogni struttura. Successivamente, è stata applicata la explainable artificial intelligence (XAI), un insieme di metodi che genera mappe di attenzione evidenziando le regioni dell’immagine più rilevanti per la classificazione e permettendo l’estrazione di parametri morfologici quantitativi. I modelli hanno riconosciuto il T2D con elevata accuratezza, con le migliori performance ottenute dalle colorazioni multiplex che includevano cellule α e δ e fibre neuronali. Oltre alle insule pancreatiche, l’algoritmo XAI ha incluso nell’analisi anche adipociti, tessuto connettivo e strutture nervose: rispetto ai controlli, i campioni di pazienti con diabete mostravano isole di dimensioni minori, maggiore infiltrazione adiposa con cluster adipocitari più estesi e una ridotta distanza tra adipociti e isole, oltre a un arricchimento di aree fibrotiche. L’espansione del tessuto adiposo e fibrotico risultava associata allo stato diabetico e correlava negativamente con la secrezione insulinica stimata (HOMA2B).
Conclusioni e commento editoriale: Questo studio dimostra che nel T2D le alterazioni strutturali pancreatiche si estendono oltre la β-cellula, coinvolgendo il microambiente insulare e il tessuto esocrino circostante, inclusi adipociti, matrice extracellulare e innervazione. L’integrazione tra istopatologia ad alta risoluzione e intelligenza artificiale consente di identificare nuovi biomarcatori morfologici e suggerisce che il rimodellamento tissutale del pancreas rappresenti un elemento rilevante nella fisiopatologia del diabete tipo 2.
Klein, Lucas et al. Explainable AI-based analysis of human pancreas sections identifies traits of type 2 diabetes. Nat Commun. 2026 Feb 9;17(1):1558. doi: 10.1038/s41467-026-69295-2
