Cancro / Oncologia

L'intelligenza artificiale potrebbe essere il futuro della diagnosi del cancro?

In uno studio recente, i ricercatori hanno addestrato un algoritmo per distinguere tra lesioni maligne e benigne nelle scansioni del tessuto mammario.

Con il cancro, la chiave per il successo del trattamento è prenderlo presto.

Allo stato attuale, i medici hanno accesso a immagini di alta qualità e esperti radiologi possono individuare i segni rivelatori di una crescita anormale.

Una volta identificato, il passo successivo è per i medici accertare se la crescita è benigna o maligna.

Il metodo più affidabile è eseguire una biopsia, che è una procedura invasiva.

Anche allora, possono verificarsi errori. Alcune persone ricevono una diagnosi di cancro in assenza di malattia, mentre altre non ricevono una diagnosi in presenza di cancro.

Entrambi i risultati causano angoscia e quest’ultima situazione può causare ritardi nel trattamento.

I ricercatori sono desiderosi di migliorare il processo diagnostico per evitare questi problemi. Rilevare se una lesione è maligna o benigna in modo più affidabile e senza la necessità di una biopsia sarebbe un punto di svolta.

Alcuni scienziati stanno studiando il potenziale dell’intelligenza artificiale (AI). In uno studio recente, gli scienziati hanno addestrato un algoritmo con risultati incoraggianti.

AI ed elastografia

L’elastografia ad ultrasuoni è una tecnica diagnostica relativamente nuova che verifica la rigidità del tessuto mammario. Raggiunge questo vibrando il tessuto, creando un’onda. Questa onda provoca distorsione nella ecografia, evidenziando le aree del seno in cui le proprietà differiscono dal tessuto circostante.

Da queste informazioni, è possibile per un medico determinare se una lesione è cancerosa o benigna.

Sebbene questo metodo abbia un grande potenziale, l’analisi dei risultati dell’elastografia richiede molto tempo, comporta diversi passaggi e richiede la risoluzione di problemi complessi.

Di recente, un gruppo di ricercatori della Viterbi School of Engineering dell’Università della California del Sud a Los Angeles ha chiesto se un algoritmo potesse ridurre i passaggi necessari per trarre informazioni da queste immagini. Hanno pubblicato i loro risultati sulla rivista Computer Methods in Applied Mechanics and Engineering.

I ricercatori volevano vedere se potevano addestrare un algoritmo per distinguere tra lesioni maligne e benigne nelle scansioni del seno. È interessante notare che hanno tentato di raggiungere questo obiettivo addestrando l’algoritmo utilizzando dati sintetici anziché scansioni autentiche.

Dati sintetici

Alla domanda sul perché il team abbia utilizzato dati sintetici, l’autore principale Prof. Assad Oberai afferma che si tratta della disponibilità di dati reali. Spiega che “nel caso dell’imaging medico, sei fortunato se hai 1.000 immagini. In situazioni come questa, dove i dati scarseggiano, questo tipo di tecniche diventa importante”.

I ricercatori hanno addestrato il loro algoritmo di apprendimento automatico, a cui si riferiscono come una rete neurale convoluzionale profonda, utilizzando oltre 12.000 immagini sintetiche.

Alla fine del processo, l’algoritmo era accurato al 100% su immagini sintetiche; Successivamente, sono passati alle scansioni della vita reale. Avevano accesso a solo 10 scansioni: la metà delle quali mostrava lesioni maligne e l’altra metà rappresentava lesioni benigne.

“Avevamo un tasso di precisione dell’80% circa. Successivamente, continuiamo a perfezionare l’algoritmo utilizzando più immagini del mondo reale come input.”

Prof. Assad Oberai

Sebbene l’80% sia buono, non è abbastanza buono, tuttavia, questo è solo l’inizio del processo. Gli autori ritengono che se avessero addestrato l’algoritmo su dati reali, avrebbe potuto mostrare una maggiore precisione. I ricercatori riconoscono anche che il loro test era su scala troppo ridotta per prevedere le capacità future del sistema.

La crescita dell’IA

Negli ultimi anni, c’è stato un crescente interesse nell’uso dell’IA nella diagnostica. Come scrive un autore:

“L’intelligenza artificiale viene applicata con successo per l’analisi delle immagini in radiologia, patologia e dermatologia, con velocità diagnostica superiore e precisione parallela, esperti medici.”

Tuttavia, il prof. Oberai non crede che l’IA possa mai sostituire un operatore umano addestrato. Spiega che “(t) il consenso generale è che questi tipi di algoritmi hanno un ruolo significativo da svolgere, anche da parte dei professionisti delle immagini che avranno un impatto maggiore. Tuttavia, questi algoritmi saranno più utili quando non fungono da scatole nere. Che cosa ha visto che l’ha portato alla conclusione finale? L’algoritmo deve essere spiegabile perché funzioni come previsto. ”

I ricercatori sperano di poter espandere il loro nuovo metodo per diagnosticare altri tipi di cancro. Ovunque un tumore cresca, cambia il modo in cui un tessuto si comporta, fisicamente. Dovrebbe essere possibile tracciare queste differenze e formare un algoritmo per individuarle.

Tuttavia, poiché ogni tipo di cancro interagisce con l’ambiente circostante in modo così diverso, un algoritmo dovrà superare una serie di problemi per ciascun tipo. Già, il Prof. Oberai sta lavorando a scansioni TC di carcinoma renale per trovare modi in cui l’IA potrebbe aiutare la diagnosi lì.

Sebbene questi siano i primi giorni per l’uso dell’IA nella diagnosi del cancro, ci sono grandi speranze per il futuro.

Questo post è stato utile per te?

+0

Ti potrebbe interessare

Menu