Sono numerosi gli studi in letteratura che parlano dell’applicazione di modelli di intelligenza artificiale alla diagnosi di tumore, anche di carcinoma alla mammella. Il razionale è semplice. Ogni anno in molti Paesi vengono sottoposte a screening preventivo con mammografia migliaia di donne, generando una mole di immagini diagnostiche che vanno poi valutate dagli specialisti. Questi ultimi individuano i casi che richiedono un approfondimento. Questa parte del lavoro può essere supportata da modelli di intelligenza artificiale, che eseguomo una sorta di stratificazione della popolazione, indicando agli specialisti solo le immagini non chiare e che richiedono ulteriore attenzione.
Vi è, però, chi richiama una maggiore prudenza in questo orientamento della diagnostica, come per esempio la dottoressa Joann G. Elmore, docente presso la David Geffen School of Medicine dell’UniversitĂ della California di Los Angeles (UCLA), e il dottor Christoph I. Lee, del Dipartimento di Radiologia della Scuola di Medicina dell’UniversitĂ di Washington (Seattle), che su JAMA Health Forum hanno sottolineato che «senza un approccio piĂą robusto alla valutazione e implementazione dell’intelligenza artificiale, data l’adozione senza sosta della tecnologia emergente nella pratica clinica, rischiamo di non riuscire a imparare dai nostri errori passati nella mammografia».
I due esperti si riferiscono alla rapida crescita dei sistemi CAD affiancati alla mammografia verificatasi venti anni fa. Questi sistemi, similmente all’intelligenza artificiale, possono individuare nell’immagine mammografica caratteristiche che indicano sospetto di presenza di carcinoma mammario.
I due docenti ricordano che questi sistemi spesso hanno dato risultati inaspettati nella pratica clinica, inferiori a quelli attesi. Lo dimostra il fatto che, circa dieci anni dopo l’approvazione da parte della FDA dei sistemi CAD, si è verificato che questi non migliorano l’accuratezza diagnostica della mammografia nella pratica clinica routinaria.
Gli autori, anzi, sottolineano che l’uso del CAD aumenta la diagnosi di falsi positivi, soprattutto di carcinoma del dotto. Ora, lo stesso rischio esiste per l’implementazione dell’intelligenza artificiale. Nel loro editoriale gli autori indicano alcuni aspetti su cui ragionare e lavorare per evitare di commettere lo stesso errore fatto con i CAD, che ovviamente portano anche a un aumento della spesa sanitaria. Il primo punto riguarda l’interazione tra medico e risultati offerti dall’algoritmo: il rischio che vi siano errori di interpretazione esiste e deve essere tenuto in conto. Per evitarlo, occorre lavorare sullo sviluppo e validazione di interfaccia che consentano al medico di integrare la propria capacitĂ diagnostica a quella dell’intelligenza artificiale che deve essere solo uno strumento di supporto.
Si parla poi del tema dei rimborsi: secondo gli autori la FDA deve richiedere studi piĂą saldi, basati su un numero maggiore di pazienti e che diano dimostrazione della reale utilitĂ e vantaggio associato all’implementazione dell’intelligenza artificiale. Altrimenti, si rischia di sostenere solo la crescita tecnologica della sanitĂ , ma senza che questa favorisca risultati migliori. Al momento la FDA richiede solo che il modello non dia esiti inferiori all’approccio umano. Non da ultimo, occorre valutare l’impatto dell’uso dell’intelligenza artificiale sulla medicina legale e sulla responsabilitĂ professionale. Gli autori chiedono una legge nazionale su questi punti.
(Lo studio: Elmore JG, Lee CI. Artificial Intelligence in Medical Imaging. Learning From Past Mistakes in Mammography. JAMA Health Forum. 2022;3(2):e215207. doi:10.1001/jamahealthforum.2021.5207)
Stefania Somaré
