L'intelligenza artificiale è migliore degli umani nell'individuare il cancro ai polmoni
I ricercatori hanno utilizzato un algoritmo di apprendimento profondo per rilevare con precisione il cancro ai polmoni dalle scansioni di tomografia computerizzata. I risultati dello studio indicano che l'intelligenza artificiale può superare la valutazione umana di queste scansioni.
Il cancro ai polmoni causa quasi 160.000 morti negli Stati Uniti, secondo le stime più recenti. La condizione è la principale causa di morte correlata al cancro negli Stati Uniti e la diagnosi precoce è fondamentale sia per fermare la diffusione dei tumori che per migliorare i risultati dei pazienti.
In alternativa alle radiografie del torace, gli operatori sanitari hanno recentemente utilizzato scansioni di tomografia computerizzata (TC) per lo screening del cancro del polmone.
In effetti, alcuni scienziati sostengono che le scansioni TC sono superiori ai raggi X per il rilevamento del cancro del polmone e la ricerca ha dimostrato che la TC a basso dosaggio (LDCT) in particolare ha ridotto le morti per cancro al polmone del 20%.
Tuttavia, un alto tasso di falsi positivi e falsi negativi ancora enigma la procedura LDCT. Questi errori tipicamente ritardano la diagnosi di cancro ai polmoni fino a quando la malattia non ha raggiunto uno stadio avanzato quando diventa troppo difficile da trattare.
Una nuova ricerca può salvaguardare da questi errori. Un gruppo di scienziati ha utilizzato tecniche di intelligenza artificiale (AI) per rilevare i tumori polmonari nelle scansioni LDCT.
Daniel Tse, del gruppo Google Health Research di Mountain View, CA, è l'autore corrispondente dello studio, i cui risultati appaiono nella rivista Medicina della natura.
"Il modello ha superato tutti e sei i radiologi"
Tse e colleghi hanno applicato una forma di intelligenza artificiale chiamata deep learning a 42.290 scansioni LDCT, a cui hanno avuto accesso dal Northwestern Electronic Data Warehouse e da altre fonti di dati appartenenti agli ospedali Northwestern Medicine di Chicago, Illinois.
L'algoritmo di apprendimento profondo consente ai computer di apprendere con l'esempio. In questo caso, i ricercatori hanno addestrato il sistema utilizzando una scansione LDCT primaria insieme a una scansione LDCT precedente, se disponibile.
Le scansioni LDCT precedenti sono utili perché possono rivelare un tasso di crescita anormale dei noduli polmonari, indicando così una neoplasia.
Nell'attuale studio, l'IA ha fornito un "sistema automatizzato di valutazione delle immagini" che prevedeva accuratamente la malignità dei noduli polmonari senza alcun intervento umano.
I ricercatori hanno confrontato le valutazioni dell'IA con quelle di sei radiologi statunitensi certificati dal consiglio che avevano fino a 20 anni di esperienza clinica.
Quando le scansioni LDCT precedenti non erano disponibili, il modello AI "ha superato tutti i sei radiologi con riduzioni assolute dell'11% nei falsi positivi e del 5% nei falsi negativi", riferiscono Tse e colleghi. Quando erano disponibili immagini precedenti, l'intelligenza artificiale funzionava altrettanto bene dei radiologi.
Il coautore dello studio, il dottor Mozziyar Etemadi, assistente ricercatore professore di anestesiologia presso la Northwestern University Feinberg School of Medicine di Chicago, spiega perché l'IA può superare la valutazione umana.
"I radiologi generalmente esaminano centinaia di immagini 2D o" sezioni "in una singola scansione TC, ma questo nuovo sistema di apprendimento automatico visualizza i polmoni in un'unica immagine 3D enorme", afferma il dott. Etemadi.
“L'intelligenza artificiale in 3D può essere molto più sensibile nella sua capacità di rilevare il cancro del polmone precoce rispetto all'occhio umano che guarda le immagini 2D. Questo è tecnicamente "4D" perché non si tratta solo di una scansione TC ma di due (la scansione corrente e quella precedente) nel tempo. "
Dr. Mozziyar Etemadi
"Per costruire l'intelligenza artificiale per visualizzare i TC in questo modo, è necessario un enorme sistema informatico su scala Google", continua. "Il concetto è nuovo, ma anche l'ingegneria effettiva è nuova a causa delle dimensioni."
Il dottor Etemadi prosegue esaltando i vantaggi dell'utilizzo della tecnologia di apprendimento profondo, sottolineandone la precisione. "Il sistema può classificare una lesione con più specificità", afferma il ricercatore.
"Non solo possiamo diagnosticare meglio qualcuno con il cancro, possiamo anche dire se qualcuno non ha il cancro, salvandoli potenzialmente da una biopsia polmonare invasiva, costosa e rischiosa", conclude il dottor Etemadi.
I ricercatori avvertono, tuttavia, che è prima necessario convalidare questi risultati in coorti più grandi.
