L’IA nella diagnostica per immagini, una rivoluzione nella diagnosi medica e nella cura dei pazienti
Negli ultimi anni, con i rapidi progressi tecnologici nella healthtech, l’utilizzo dell’intelligenza artificiale (IA) in diversi aspetti della vita quotidiana è stato discusso e da quando ChatGPT è stato messo a disposizione del pubblico, l’IA è nella mente di tutti. L’imaging medico è uno dei molti settori in cui l’IA potrebbe essere utilizzata. In generale, l’imaging medico fornisce ai clinici visualizzazioni dettagliate delle strutture interne del corpo e aiuta nella diagnosi e nel trattamento di varie condizioni mediche. Tuttavia, il volume e la complessità crescenti dei dati di imaging medico pongono problemi di analisi e interpretazione accurata ed efficiente di queste vaste informazioni. L’intelligenza artificiale offre quindi molte opportunità per la diagnostica per immagini. In questo articolo, Alcimed esplora le diverse applicazioni dell’IA nell’imaging medico, nonché le numerose sfide e limitazioni che potrebbero impedire a queste tecnologie di essere ampiamente utilizzate.
Che cos’è l’intelligenza artificiale nella diagnostica per immagini?
L’intelligenza artificiale comprende diverse tecniche, come l’apprendimento automatico e l’apprendimento profondo, che consentono ai computer di apprendere dai dati e fare previsioni o classificazioni intelligenti. L’IA si è affermata come uno strumento potente per supportare e persino migliorare l’analisi delle immagini mediche, poiché gli algoritmi di IA possono estrarre informazioni significative dalle immagini per facilitare compiti diversi come la segmentazione delle immagini, l’identificazione delle anomalie e la classificazione delle malattie.
Come viene utilizzata l’IA nella diagnostica per immagini?
L’IA per lo screening del cancro al seno
L’uso dell’intelligenza artificiale per lo screening del cancro al seno è stato proposto per migliorare l’analisi delle immagini e la rilevazione di tumori (ad esempio, ridurre il tasso di falsi positivi e aumentare il tasso di rilevazione).
In uno studio di validazione indipendente retrospettivo di uno strumento di intelligenza artificiale di DeepHealth approvato dalla FDA, la lettura delle mammografie digitali da parte dell’IA è stata confrontata con la lettura umana in un contesto reale di screening del cancro al seno all’interno della popolazione.
In questo studio, la lettura da parte dell’intelligenza artificiale ha mostrato una specificità inferiore rispetto ai radiologi e tassi di identificazione del cancro inferiori. Tuttavia, l’IA ha identificato tumori intervallo (cancro al seno che si sviluppa nei 12 mesi successivi a una mammografia giudicata “normale”) che non erano stati rilevati dai radiologi. In un approccio di doppia lettura, la discordanza viene risolta tramite arbitrato o una lettura aggiuntiva. In questo studio, la doppia lettura dell’IA e l’arbitrato dei radiologi umani hanno aumentato, ma il numero totale di letture da parte dei radiologi è diminuito di circa il 41%.
Un altro esempio di utilizzo dell’IA nello screening del cancro al seno è attualmente testato in Ungheria. Kheiron medical technologies sta collaborando con i clinici di MaMMa Klinika in Ungheria per testare la sua piattaforma di IA Mammography Intelligent Assessment per l’identificazione dei tumori al seno. Nell’ambito di questo test, una mammografia viene letta da due radiologi indipendenti, poi dallo strumento di IA di Kheiron, che approva o segnala le aree dell’immagine che devono essere verificate nuovamente. Dal 2021, sono stati documentati 22 casi in cui l’IA ha rilevato un tumore canceroso al seno che era stato trascurato dai radiologi umani (e 40 casi sono attualmente in fase di esame).
L’IA per la rilevazione dell’embolia polmonare
L’embolia polmonare è una malattia potenzialmente mortale che, in molti casi, richiede un intervento immediato. Gli strumenti di intelligenza artificiale potrebbero aiutare a rilevare l’embolia polmonare durante le tomografie assistite da computer (CT) e avvisare i radiologi segnalando gli esami del paziente che necessitano di una lettura sulla lista degli esami effettuati. Il tempo per diagnosticare un’embolia polmonare e il tempo per l’implementazione di un trattamento successivo verrebbero accorciati.
In uno studio sui tomodensitogrammi toracici di pazienti oncologici, lo strumento di IA di Aidoc Medical, approvato dalla FDA, è stato testato per valutare l’efficacia diagnostica del software di IA per la rilevazione delle embolie polmonari fortuite nella pratica clinica. Il software di IA ha mostrato una grande precisione diagnostica, ha ridotto il tasso di embolia polmonare fortuita non rilevata da circa il 45% a 2,6% quando i radiologi umani sono stati assistiti dallo strumento di IA e il tempo di notifica dell’embolia polmonare fortuita è stato ridotto a 1,5 ore contro 129 ore (diminuzione del 99%) per il flusso di lavoro abituale o 83 ore (diminuzione del 98%) per il triage da parte di un radiologo umano.
La società Viz.ai ha condotto uno studio di validazione di algoritmo su larga scala in cieco per la sua applicazione software Viz Pulmonary Embolism Clot Detection algorithm (Viz PE), approvato dalla FDA e sviluppato in collaborazione con la società Avicenna, per l’identificazione dell’embolia polmonare e l’avviso ai clinici. L’algoritmo di IA ha analizzato angiogrammi polmonari tramite tomografia a computer e la sua analisi è stata confrontata con quella di tre radiologi umani certificati dal consiglio di amministrazione. L’algoritmo di IA ha dimostrato una sensibilità del 91% e una specificità del 95% e potrebbe essere utilizzato per aiutare i radiologi umani a classificare i pazienti per priorità e servire come strumento di lettura secondaria. Viz.ai afferma che l’integrazione di questo strumento di intelligenza artificiale potrebbe accelerare il lavoro di screening e, eventualmente, ridurre il tempo di esecuzione dei rapporti.
L’intelligenza artificiale per gli ictus e le emorragie intracraniche
Diversi strumenti di IA sono stati sviluppati negli ultimi anni per la rilevazione e il trattamento degli ictus e delle emorragie intracraniche.
Le unità di ictus di vari ospedali nel mondo stanno già lavorando con strumenti basati sull’IA per rilevare più rapidamente gli ictus e ridurre il tempo prima che il paziente riceva il trattamento, che è cruciale in caso di ictus. Ad esempio, gli ospedali del sistema sanitario non profit statunitense Banner Health hanno già implementato una tecnologia di IA per identificare gli ictus immediatamente dopo la realizzazione di una tomografia.
RapidAI ha sviluppato diversi strumenti di IA, ad esempio per il riconoscimento degli ictus e l’avviso successivo ai clinici, così come per la rilevazione delle emorragie intracraniche (sanguinamenti tra il tessuto cerebrale e la scatola cranica). In uno studio su 308 tomodensitogrammi senza contrasto, lo strumento RapidAI ICH (emorragia intracranica) ha rilevato 151 casi di ipertensione intracranica su 158 e ha qualificato come negativi 143 casi di ipertensione intracranica su 150, con una sensibilità del 96% e una specificità del 95%.
Scopri come il nostro team può supportarti nei tuoi progetti di IA in sanità >
Sfide e limiti dell’imaging medico migliorato con l’IA
Tutti gli esempi descritti qui dimostrano il vasto potenziale dell’intelligenza artificiale nel settore, come il miglioramento della lettura o dell’organizzazione delle immagini, che consente di accelerare il tempo necessario affinché un paziente riceva la terapia necessaria, anche salvavita. Il potenziale dell’IA per supportare e migliorare lo screening o le opzioni di trattamento va oltre gli esempi radiologici descritti qui e l’intelligenza artificiale potrebbe essere applicata anche all’analisi delle vetrine istopatologiche, alla lettura degli ecocardiogrammi o alla rilevazione precoce delle malattie oculari attraverso l’analisi delle immagini retiniche, ecc.
Tuttavia, l’uso dell’IA nell’imaging medico presenta anche alcune limitazioni. I modelli di IA necessitano di un adeguato addestramento per evitare i bias di analisi, da cui la necessità di disporre di set di dati ampi, diversificati e etichettati con precisione. Gli algoritmi di IA devono essere sottoposti a validazione clinica e a test con dati reali per garantirne la sicurezza e l’affidabilità. Inoltre, l’uso dell’IA nell’imaging medico, e più in generale nella sanità, solleva interrogativi etici riguardo alla sicurezza e alla privacy dei dati dei pazienti. Inoltre, l’accettazione da parte dei professionisti sanitari e dei pazienti dell’uso dell’IA nell’imaging medico è necessaria per proseguire nello sviluppo dell’uso dell’intelligenza artificiale nel settore. L’IA al servizio dell’imaging medico è sempre più accettata dai radiologi, che integrano l’IA nelle proprie letture e analisi. Tuttavia, i professionisti sanitari e i pazienti sono ancora più scettici riguardo all’affidabilità dell’IA nel settore.
In conclusione, l’IA nell’imaging medico ha un grande potenziale. L’intelligenza artificiale è già testata e distribuita per migliorare la diagnosi e il trattamento, e il suo utilizzo è destinato a crescere. Tuttavia, i limiti tecnici e le sfide etiche devono essere presi in considerazione per lo sviluppo e l’uso degli strumenti basati sull’IA nella sanità.
Alcimed seguirà da vicino i rapidi sviluppi in questo settore ed è pronto a supportarti nei tuoi progetti di IA in salute! Non esitare a contattare il nostro team.
Informazioni sull’autore,
Frederike, Consulente del team Life Sciences di Alcimed in Germania