Rispetto alla più tradizionale mammografia, la tomosintesi digitale consente di ricostruire la mammella in 3D partendo da proiezioni bidimensionali a bassa dose, ottenute con angolazioni diverse del tubo radiogeno, permettendo di effettuare diagnosi più precise e riducendo il tasso sia dei falsi positivi sia dei falsi negativi.
Mentre, però, i tempi d’esecuzione delle due tecniche sono sovrapponibili, la lettura della tomosintesi è più complessa e richiede quasi il doppio del tempo rispetto alla mammografia, il che può incidere negativamente sui flussi di lavoro dei radiologi.
Un aiuto in tal senso può venire dall’intelligenza artificiale che, opportunamente allenata a leggere queste immagini, potrebbe ridurre il tempo per la diagnosi.
Uno studio israelo-statunitense ha presentato un modello di intelligenza artificiale sviluppato proprio per la sua applicazione alla tomosintesi digitale della mammella, dimostrandone la capacità di ridurre del 39.6% il carico di lavoro dei radiologi, senza perdere in sensibilità, e di ridurre del 25% i richiami errati alle donne sottoposte a screening.
Il modello è stato inizialmente sviluppato usando 13.306 immagini da tomosintesi digitale relative a 9.919 donne: le immagini sono state divise in tre coorti, una di allenamento (3948 donne), una di validazione (1661 donne) e una di test del modello di intelligenza artificiale (4310 donne).
Per valutare l’impatto del modello sul flusso di lavoro dei radiologi, gli autori hanno stabilito di eliminare dalle immagini totali quelle prive di tumore, almeno secondo il modello, mentre le altre sono state sottoposte ai radiologi, che hanno stabilito se richiamare o meno la donna di riferimento.
La performance del processo è stata poi misurata in base agli esiti delle biopsie delle donne richiamate.
Non soddisfatti, gli autori hanno avviato un secondo studio nello studio: in questo caso si tratta di una valutazione di lettura al quale hanno partecipato cinque radiologi certificati per la valutazione delle immagini da tomosintesi digitale. 205 le immagini prese in considerazione, 83 con cancro e le altre senza.
I cinque radiologi hanno letto le immagini in doppio cieco, decidendo quali donne avrebbero richiamato e quali no, ovviamente avendo a disposizione i dati clinici relativi a ogni donna coinvolta.
I risultati sono stati quindi confrontati con quelli dell’intelligenza artificiale, indicando che questa avrebbe ridotto i richiami inutili. Certo, anche il modello di intelligenza artificiale non è perfetto e nel corso dello studio ha mancato alcune diagnosi: i casi sono stati sottoposti a radiologi esperti che hanno però dichiarato che quasi sempre il tumore era nascosto alla mammografia.
Gli stessi autori si dicono consapevoli che lo studio presenta una serie di limitazioni, che si propongono di approfondire in studi successivi: nonostante ciò, il modello si mostra promettente. Il tumore al seno è la prima causa di morte per tumore nelle donne ed è estremamente diffuso al mondo: una diagnosi precoce è fondamentale per poter sperare in risultati clinici significativi.
Se preso per tempo e curato in modo adeguato, il cancro al seno non uccide e oggi ci sono molte donne al mondo che sono sopravvissute a questa grave patologia, conducendo una vita normale. La tomosintesi digitale potrebbe facilitare questo processo, ma occorre trovare strumenti che ne facilitino e velocizzino l’interpretazione.
(Lo studio: Artificial Intelligence for Reducing Workload in Breast Cancer Screening with Digital Breast Tomosynthesis. Yoel Shoshan, Ran Bakalo, Flora Gilboa-Solomon, Vadim Ratner, Ella Barkan, Michal Ozery-Flato, Mika Amit, Daniel Khapun, Emily B. Ambinder, Eniola T. Oluyemi, Babita Panigrahi, Philip A. DiCarlo, Michal Rosen-Zvi, and Lisa A. Mullen. Radiology 0 0:0. Doi: https://doi.org/10.1148/radiol.211105)
Stefania Somaré
