Cancro ai polmoni

L'intelligenza artificiale è migliore degli umani per individuare il cancro ai polmoni

I ricercatori hanno utilizzato un algoritmo di apprendimento approfondito per rilevare con precisione il cancro del polmone da scansioni di tomografia computerizzata. I risultati dello studio indicano che l’intelligenza artificiale può sovraperformare la valutazione umana di queste scansioni.

Il cancro al polmone provoca 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 cruciale sia per fermare la diffusione dei tumori che per migliorare i risultati dei pazienti.

Come alternativa ai raggi X del torace, i professionisti del settore sanitario hanno recentemente utilizzato scansioni per tomografia computerizzata (CT) 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 basse dosi (LDCT), in particolare, ha ridotto del 20% le morti per cancro del polmone.

Tuttavia, un alto tasso di falsi positivi e falsi negativi ancora enigma la procedura LDCT. Questi errori di solito ritardano la diagnosi del cancro del polmone 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, California, è l’autore corrispondente dello studio, i cui risultati sono stati pubblicati sulla rivista Nature Medicine.

“Il modello ha sovraperformato tutti e sei i radiologi”

Tse e colleghi hanno applicato una forma di AI chiamata deep learning a 42.290 scansioni LDCT, a cui hanno avuto accesso dal Northwestern Electronic Data Warehouse e altre fonti di dati appartenenti agli ospedali della Northwestern Medicine a Chicago, Illinois.

L’algoritmo di deep learning consente ai computer di imparare dall’esempio. In questo caso, i ricercatori hanno addestrato il sistema utilizzando una scansione LDCT primaria insieme a una precedente scansione LDCT, se disponibile.

Le scansioni LDCT precedenti sono utili perché possono rivelare un tasso di crescita anormale dei noduli polmonari, indicando così la malignità.

Nel presente studio, l’IA ha fornito un “sistema di valutazione automatica delle immagini” che prevedeva con precisione la malignità dei noduli polmonari senza alcun intervento umano.

I ricercatori hanno confrontato le valutazioni dell’IA con quelle di sei radiologi statunitensi con certificazione Board che avevano 20 anni di esperienza clinica.

Quando le precedenti scansioni di LDCT non erano disponibili, il modello di IA “ha sovraperformato tutti i sei radiologi con riduzioni assolute dell’11% in falsi positivi e del 5% in falsi negativi”, riportano Tse e colleghi. Quando era disponibile l’imaging precedente, l’IA si comportava altrettanto bene dei radiologi.

Co-autore dello studio Il dott. Mozziyar Etemadi, ricercatore universitario di anestesiologia alla Northwestern University Feinberg School of Medicine di Chicago, spiega perché l’intelligenza artificiale può sovraperformare la valutazione umana.

“I radiologi generalmente esaminano centinaia di immagini 2D o” fette “in una singola scansione CT, ma questo nuovo sistema di apprendimento automatico visualizza i polmoni in un’unica enorme immagine 3D”, afferma il dott. Etemadi.

“L’intelligenza artificiale in 3D può essere molto più sensibile nella sua capacità di rilevare il cancro del polmone in anticipo rispetto all’occhio umano guardando le immagini 2D. Questo è tecnicamente ‘4D’ perché non è solo guardando una TAC ma due (la scansione attuale e quella precedente ) col tempo.”

Dr. Mozziyar Etemadi

“Al fine di costruire l’IA per visualizzare i CT in questo modo, è necessario un enorme sistema informatico di dimensioni di Google”, continua. “Il concetto è nuovo, ma la sua vera ingegneria è anche nuova per via della scala.”

La Dott.ssa Etemadi prosegue esaltando i vantaggi dell’uso della tecnologia di deep learning, sottolineando la sua precisione. “Il sistema può classificare una lesione con maggiore specificità”, afferma il ricercatore.

“Non solo possiamo diagnosticare meglio qualcuno con un cancro, ma possiamo anche dire se qualcuno non ha il cancro, potenzialmente salvandolo da una biopsia polmonare invasiva, costosa e rischiosa”, conclude il dott. Etemadi.

I ricercatori, tuttavia, avvertono che è prima necessario convalidare questi risultati in coorti più ampi.

Questo post è stato utile per te?

+0

Ti potrebbe interessare

Menu