Uno studio internazionale condotto da Google, Northwestern Medicine e due centri di screening del Regno Unito rivela che un nuovo modello di Intelligenza Artificiale è in grado di diagnosticare il cancro al seno con maggiore precisione rispetto ai radiologi, riducendo i falsi positivi e i falsi negativi.

“Si tratta di un notevole progresso nel campo della diagnosi precoce del cancro”, ha detto il co-autore dello studio Northwestern, Mozziyar Etemadi. Il cancro al seno rappresenta  la prima causa di morte per tumore nelle donne. Individuare il cancro in anticipo consente di curarlo più facilmente e più velocemente.”

“I sistemi informatici sono davvero abili in questi ambiti”, ha detto il co-autore del progetto Scott McKinney, un Software engineer di Google. “Speriamo che un giorno questo strumento per i radiologi diventi diffuso come il controllo ortografico per scrivere e-mail”. 

Il tumore al seno è molto comune – si verifica in  una donna su otto – e l’Intelligenza Artificiale di Google per la diagnosi precoce di cancro al seno potrebbe essere di grande aiuto.

La mammografia è lo strumento di screening del cancro al seno più utilizzato, ma in un caso su cinque il cancro non viene diagnosticato e, stando ai dati dell’American Cancer Society, il 50% delle donne che si sottopongono allo screening per un periodo di 10 anni sperimentano un falso positivo, in cui il cancro è erroneamente sospettato.

Un falso positivo può portare a un trattamento eccessivo con biopsie invasive e stress non necessario per le pazienti. Un falso negativo può comportare un ritardo nella diagnosi e nel trattamento.

Il team di ricerca internazionale ha lavorato insieme per costruire un modello di IA per affrontare queste carenze. 

L’équipe ha utilizzato mammografie anonime accompagnate da esiti bioptici e follow-up per formare un modello di IA (deep learning) per identificare il cancro al seno nelle immagini di screening.

Il modello è stato addestrato e messo a punto su una serie di dati rappresentativi che comprendeva mammografie anonime di oltre 76.000 donne nel Regno Unito e di oltre 15.000 donne negli Stati Uniti. Il modello è stato poi valutato su una serie di dati anonimi di oltre 25.000 donne nel Regno Unito e di oltre 3.000 donne negli Stati Uniti. 

Risultati principali

  • Riduzione assoluta del 9,4%/2,7% (U.S./U.K.) dei falsi negativi (quando una mammografia è erroneamente considerata normale anche se è presente un tumore al seno).
  • Riduzione assoluta del 5,7%/1,2% (U.S./U.K.) dei falsi positivi (la mammografia è erroneamente considerata anormale anche se non è presente alcun cancro). 
  • L’evidenza della capacità del sistema di rendere sovrapponibili le conoscenze acquisite nel Regno Unito con quelle recepite negli Stati Uniti, il che dimostra che il sistema è applicabile a diverse popolazioni.

“Una ricerca entusiasmante, in fase iniziale, che necessita naturalmente di una convalida in studi futuri  per capire meglio come integrare nella pratica clinica modelli come questo”, ha detto Etemadi.

“L’obiettivo finale è trovare il modo migliore per combinare l’intelligenza artificiale e la magia del cervello umano”.

Lo studio è stato pubblicato il 1° gennaio su Nature Medicine. 

Già nel numero di maggio  uno studio di Google e Northwestern Medicine rivelava che, grazie al Deep learning era possibile rilevare noduli polmonari maligni su scansioni di tomografia computerizzata a basso dosaggio di radiazioni (LDCT) con un esito positivo o superiore a quello di radiologi esperti. 

Grazie ad un sistema automatico di valutazione delle immagini è infatti possibile migliorare l’accuratezza della diagnosi precoce del cancro ai polmoni e favorire trattamenti precoci ed efficaci. 

Per saperne di più sulle soluzioni tecnologiche applicate alla sanità

Condividi: