Intelligenza artificiale e machine learning potrebbero essere ottimi strumenti per ridurre il carico di lavoro di medici e infermieri e consentire loro di concentrarsi sulla presa in carico dei pazienti.
Potrebbero, per esempio, stratificare la popolazione per un certo rischio in modo da individuare i soggetti che necessitano di essere visitati più spesso… oppure produrre referti per situazioni di screening o, ancora, diagnosi in casi a bassa complessità.
Nel corso dell’edizione 2019 del congresso della Radiological Society of North America è stato presentato uno studio sull’uso di un algoritmo allenato di intelligenza artificiale per la lettura autonoma di mammografie per individuare quelle a bassissimo rischio di malignità (Watanabe A., Vu H., Chim C., Can Artificial Intelligence Be Used as a Standalone Technique for Very Low Probability for Malignancy Mammograms? Radiological Society of North America 2019 Scientific Assembly and Annual Meeting, December 1 – December 6, 2019, Chicago IL. archive.rsna.org/2019/19008935.html Accessed December 11, 2019).
Si tratta, in sostanza, di un software che svolge una sorta di triage.
Il razionale di questo studio è la consapevolezza che l’accuratezza di un algoritmo di intelligenza artificiale nell’interpretare una mammografia 2D può essere addirittura superiore a quella della media dei radiologi.
I ricercatori hanno quindi utilizzato 1255 di mammografie recuperate da screening e le hanno fatte reinterpretare dall’algoritmo testato: questo ha individuato un 40% di casi a bassissimo rischio di malignità.
Osservando i risultati istologici piuttosto che gli esiti dei follow-up, è stato verificato che nessuno dei casi individuati si è poi tramutato in un carcinoma.
Allo stesso modo, quasi tutte le mammografie individuate dal software come a rischio erano di pazienti con cancro (al 99%).
Dati i risultati, questo algoritmo potrebbe individuare le mammografie che non necessitano di essere visionate dal radiologo, di fatto alleggerendo il lavoro di quest’ultimo e, in qualche modo, migliorando il workflow del reparto.
Un altro studio, anch’esso presentato al recente congresso RSNA, ha sottoposto 2638 mammografie di screening (con associata biopsia per verificare la presenza di carcinoma alla mammella) a uno studio retrospettivo per verificare l’accuratezza di un sistema di deep learning basato su intelligenza artificiale nell’individuare la presenza di lesioni (Halling-Brown M., Rodriguez-Ruiz A., Karssemeijer N., Wallis M., Young K., Artificial Intelligence Detecting Breast Cancer in a Screening Population: Accuracy, Earlier Detection on Prior Mammograms, and Relation with Cancer Grade. Radiological Society of North America 2019 Scientific Assembly and Annual Meeting, December 1 – December 6, 2019, Chicago IL. archive.rsna.org/2019/19016513.html Accessed December 11, 2019).
Più nel dettaglio, il sistema stabilisce chi richiamare per accertamenti. È possibile definire un tasso di richiamo con tre possibilità: 50%, 10%, 4%.
Lo studio ha evidenziato una sensibilità del sistema nell’individuare le lesioni cancerose del 99,3%, 87,7% e 76,1% rispettivamente, con un tasso di richiamata del 50%, 10% e 4%.
Un ulteriore aspetto rilevato è che la sensibilità è maggiore nei confronti dei carcinomi di alto grado rispetto a quelli di basso livello.
Il sistema si è dimostrato utile nella diagnosi precoce, rappresentando in questo senso un aiuto per i radiologi.
Stefania Somaré