L'intelligenza artificiale potrebbe essere il futuro della diagnosi del cancro?
In uno studio recente, i ricercatori hanno addestrato un algoritmo per differenziare 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 radiologi esperti possono individuare i segni rivelatori di una crescita anormale.
Una volta identificato, il passaggio 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 in questo caso possono verificarsi errori. Alcune persone ricevono una diagnosi di cancro in assenza di malattia, mentre altre non ricevono una diagnosi quando il cancro è presente.
Entrambi i risultati causano angoscia e quest'ultima situazione può causare ritardi nel trattamento.
I ricercatori desiderano 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 ecografica è una tecnica diagnostica relativamente nuova che verifica la rigidità del tessuto mammario. Ottiene questo facendo vibrare il tessuto, che crea un'onda. Questa onda provoca una distorsione nell'ecografia, evidenziando le aree del seno dove 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 tempo, comporta diversi passaggi e richiede la risoluzione di problemi complessi.
Recentemente, un gruppo di ricercatori della Viterbi School of Engineering dell'Università della California del Sud a Los Angeles ha chiesto se un algoritmo possa ridurre i passaggi necessari per trarre informazioni da queste immagini. Hanno pubblicato i loro risultati sulla rivista Metodi informatici in meccanica applicata e ingegneria.
I ricercatori volevano vedere se potevano addestrare un algoritmo per differenziare tra lesioni maligne e benigne nelle scansioni mammarie. È interessante notare che hanno tentato di raggiungere questo obiettivo addestrando l'algoritmo utilizzando dati sintetici anziché scansioni autentiche.
Dati sintetici
Alla domanda sul motivo per cui il team ha utilizzato dati sintetici, l'autore principale, il Prof.Assad Oberai, afferma che si tratta della disponibilità di dati del mondo reale. Spiega che "nel caso dell'imaging medico, sei fortunato se hai 1.000 immagini. In situazioni come questa, in cui i dati sono scarsi, questi tipi di tecniche diventano importanti ".
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% sulle immagini sintetiche; successivamente, sono passati alle scansioni della vita reale. Avevano accesso a solo 10 scansioni: metà delle quali mostrava lesioni maligne e l'altra metà mostrava lesioni benigne.
"Avevamo un tasso di precisione di circa l'80%. Successivamente, continuiamo a perfezionare l'algoritmo utilizzando più immagini del mondo reale come input. "
Prof. Assad Oberai
Sebbene l'80% sia buono, non lo è abbastanza, 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 piccola per prevedere le capacità future del sistema.
La crescita dell'IA
Negli ultimi anni c'è stato un crescente interesse per l'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 una velocità diagnostica superiore e un'accuratezza parallela, esperti medici".
Tuttavia, il Prof. Oberai non crede che l'IA possa mai sostituire un operatore umano addestrato. Spiega che "[l] l consenso generale è che questi tipi di algoritmi hanno un ruolo significativo da svolgere, anche da parte dei professionisti dell'imaging che avranno un impatto maggiore. Tuttavia, questi algoritmi saranno più utili quando non fungono da scatole nere. 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 addestrare 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 ogni tipo. Il Prof. Oberai sta già lavorando alle scansioni TC del cancro renale per trovare modi in cui l'intelligenza artificiale possa 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.
