L'intelligenza artificiale può leggere le mammografie e intercettare le donne destinate a sviluppare un cancro al seno "meglio del classico modello di previsione del rischio a 5 anni". E integrare i due sistemi potrebbe migliorare l'analisi dei medici. E' quanto emerge da un maxi studio in cui diversi algoritmi di Ai sono stati messi alla prova su migliaia di mammografie. I risultati sono pubblicati sulla rivista 'Radiology'.
Il rischio di cancro al seno di una donna viene in genere calcolato utilizzando modelli clinici come quello di Bcsc (Breast Cancer Surveillance Consortium), che utilizza informazioni auto-riportate e altri dati sulla paziente - tra cui età, anamnesi familiare della malattia, se ha avuto figli, se ha un seno denso - per definire un punteggio. "I modelli di rischio clinico dipendono dalla raccolta di informazioni da diverse fonti, che non sono sempre disponibili o raccolte - ragiona il ricercatore principale Vignesh A. Arasu, radiologo praticante al Kaiser Permanente Northern California -. I recenti progressi nel 'deep learning' dell'Ai ci forniscono la possibilità di estrarre da centinaia a migliaia di caratteristiche mammografiche aggiuntive".
Nello studio retrospettivo, Arasu ha utilizzato dati associati a mammografie 2D di screening negative (senza segni visibili di cancro) eseguite al Kaiser Permanente Northern California nel 2016. Delle 324.009 donne sottoposte a screening nel 2016 che soddisfacevano i criteri di ammissibilità, una sottocoorte casuale di 13.628 donne è stata selezionata per l'analisi. E sono state studiate anche tutte le 4.584 pazienti del pool totale a cui è stato diagnosticato un cancro entro 5 anni dalla mammografia originale del 2016. Tutte le donne sono state seguite fino al 2021.
Utilizzando le mammografie i punteggi di rischio per il cancro al seno nel periodo di 5 anni sono stati generati da 5 algoritmi di intelligenza artificiale, inclusi 2 algoritmi accademici utilizzati dai ricercatori e tre disponibili in commercio. I punteggi di rischio sono stati quindi confrontati tra loro e con quello ricavato dal modello standard Bcsc. "Tutti e cinque gli algoritmi di intelligenza artificiale hanno funzionato meglio del modello di rischio Bcsc per la previsione del rischio di cancro al seno da 0 a 5 anni", riferisce Arasu. "Questa forte prestazione predittiva suggerisce che l'intelligenza artificiale sta identificando sia i tumori mancanti sia le caratteristiche del tessuto mammario che aiutano a prevedere lo sviluppo futuro del cancro. Qualcosa nelle mammografie ci permette di monitorare il rischio di cancro al seno. Questa è la 'scatola nera' dell'intelligenza artificiale".
Alcuni degli algoritmi di Ai eccellevano nel predire i casi di pazienti ad alto rischio di un tipo di cancro spesso aggressivo che può richiedere una seconda lettura di mammografie, screening supplementari o imaging di follow-up a breve intervallo. Quando sono state valutate ad esempio donne con il più alto rischio del 10%, l'Ai ha predetto fino al 28% dei tumori, rispetto al 21% previsto dal metodo classico. Usati in combinazione, i modelli di rischio Ai e Bcsc hanno ulteriormente migliorato la previsione del cancro.
"Stiamo cercando un mezzo accurato, efficiente e ampliabile per comprendere il rischio di cancro al seno delle donne. I modelli di rischio AI basati sulla mammografia offrono vantaggi pratici rispetto ai tradizionali, perché utilizzano un'unica fonte di dati: la mammografia stessa", spiega Arasu evidenziando che alcune istituzioni stanno già utilizzando l'intelligenza artificiale per aiutare i radiologi a rilevare il cancro nelle mammografie. Il punteggio di rischio futuro di una persona, che impiega pochi secondi per essere generato dall'intelligenza artificiale, potrebbe essere integrato nel referto radiologico condiviso con il paziente e il suo medico. "È uno strumento che potrebbe aiutarci a fornire una medicina di precisione personalizzata a livello nazionale", conclude il ricercatore.
.jpg)
