Intelligenza artificiale, l'aiuto in più nelle diagnosi di tumore al seno

La "gara" tra essere umano e intelligenza artificiale non deve diventare a esclusione l'uno dell'altro ma deve puntare all'unione di intenti: la macchina che aiuta l'uomo. È questo il fine per fare diagnosi di tumore al seno sempre più accurate, precise e precoci.

Cosa dice lo studio

Alla Duke University della North Carolina, alcuni studiosi hanno sviluppato una piattaforma che consente, tramite algoritmi, di comprendere se l'immagine mostrata da radiografie o risonanze magnetiche sia un tumore oppure e no e con quale gradi di incertezza. Il lavoro è stato pubblicato sulla rivista Nature Machine Intelligence: questa piattaforma analizza le sospette lesioni riscontrare durante una mammografia e a quel punto indica se sia importante o meno fare una biopsia. «L'algoritmo della Duke University è stato sviluppato chiedendo ai radiologi di etichettare le immagini per l'apprendimento, replicando il metodo che loro stessi utilizzano per distinguere le lesioni nella pratica clinica», si legge su Repubblica. Il sistema messo a punto dai ricercatori si basa su un database di oltre 1.100 mammografie di quasi 500 donne e si concentra soprattutto sui noduli.

Cos'è il blax box

I sistemi di intelligenza artificiale in grado di "leggere" le immagini mediche (dalle radiografie alle Tac), sono una delle ultime frontiere dell'applicazione e hanno una richiesta di mercato molto elevata. Nel mondo, attualmente, già oltre un centinaio di algoritmi sono stati sviluppati e approvati dall'Fda americana. Più indietro l'Europa anche se sono disponibili software diagnostici che hanno ottenuto la certificazione CE.

Non tutto, però, è ancora ben definito: alcuni algoritmi possono essere tratti in inganno se vengono testati su immagini di ospedali diversi da quelli in cui sono stati tarati perché trattati con casistiche e apparecchiature differenti. Spesso, poi, un algoritmo propone una decisione senza spiegarne le motivazioni e i medici non sanno come comportarsi: ecco cos'è il problema del black box.

Come si "leggono" le ecografie

«Questo studio affronta un aspetto metodologico che in gergo chiamiamo explainability, e si inserisce in un ampio dibattito», commenta a Repubblica Francesco Sardanelli, Professore di Radiologia all'Università di Milano e direttore dell'Unità di Radiologia del IRCCS Policlinico San Donato di Milano. In collaborazione con Isabella Castiglioni, docente di Fisica Medica dell'università di Milano-Bicocca e la startup "Deep Trace Technologies" dell'Istituto Universitario di Studi Superiori di Pavia, è stato messo a punto un software di machine learning, che è lo studio di algoritmi informatici che costruiscono un modello basato su dati campione noti come "dati di addestramento", per effettuare previsioni o decisioni senza essere esplicitamente programmati per farlo.

Il software ha preso in esame 900 immagini ecografiche di lesioni mammarie: come si legge sul giornale medico Diagnostic, riuscirebbe a ridurre del 15-18% le biopsie non necessarie evitando migliaia di biopsie ogni anno in Italia. «Evitare gli esami non necessari, in particolare le biopsie, è uno degli obiettivi dei sistemi IA nella radiologia diagnostica», aggiunge Sardanelli. Per arrivare a tanto, però, ci vorrà una stretta collaborazione tra medici e macchina, cioè computer.

«La lettura delle immagini potrà essere supportata da sistemi AI, con l'intelligenza umana che deve mantenere un ruolo di guida, di ultima decisione e di responsabilità».

È chiaro che un referto sarà sempre firmato da un medico in carne e ossa ma il risparmio di tempo e la precisione potranno consentire di scovare un tumore più facilmente con un tempo maggiore di confronto anche tra medico e paziente.