{vembato Y=urJ7QEdhP_U}
Uno strumento di intelligenza artificiale, addestrato su circa un milione di immagini mammografiche di screening, è in grado di identificare il carcinoma mammario con un'accuratezza di circa il 90% se combinato con l'analisi del radiologo, secondo un nuovo studio.
Lo studio ha esaminato la capacità di un tipo di intelligenza artificiale (AI), un programma per computer di apprendimento automatico, di aggiungere valore alle diagnosi raggiunte da un gruppo di 14 radiologi che hanno esaminato 720 mammografia immagini.
"L'obiettivo finale del nostro lavoro è quello di aumentare, non sostituire, i radiologi umani".
"Il nostro studio ha scoperto che l'intelligenza artificiale ha identificato i dati relativi al cancro nei dati che i radiologi non potevano e e viceversa", afferma l'autore senior dello studio Krzysztof Geras, assistente professore nel dipartimento di radiologia presso la Grossman School of Medicine della New York University.
"L'intelligenza artificiale ha rilevato cambiamenti a livello di pixel nei tessuti invisibili all'occhio umano, mentre gli esseri umani hanno utilizzato forme di ragionamento non disponibili per l'IA", aggiunge Geras, anche un membro della facoltà affiliato del Center for Data Science. "L'obiettivo finale del nostro lavoro è quello di aumentare, non sostituire, i radiologi umani".
Nel 2014, le donne (senza sintomi) negli Stati Uniti hanno superato i 39 milioni di esami mammografici per lo screening del carcinoma mammario e determinare la necessità di un follow-up più attento. Le donne i cui risultati del test producono risultati mammografici anomali sono indicati biopsia, una procedura che rimuove un piccolo campione di tessuto mammario per test di laboratorio.
Lo strumento AI ha imparato a prevedere quali lesioni erano probabilmente maligne (mappa del calore rosso) o probabilmente benigne (mappa del calore verde), con il potenziale aiuto ai radiologi nella diagnosi del carcinoma mammario. (Credito: NYU School of Medicine)
Nel nuovo studio, il team di ricerca ha progettato tecniche statistiche che consentono al loro programma di "imparare" come migliorare in un compito senza essere detto esattamente come. Tali programmi costruiscono modelli matematici che consentono di prendere decisioni basate su esempi di dati inseriti in essi, con il programma che diventa "più intelligente" man mano che rivede sempre più dati.
I moderni approcci di intelligenza artificiale, che prendono ispirazione dal cervello umano, utilizzano circuiti complessi per elaborare le informazioni in strati, con ogni passaggio che alimenta le informazioni nel successivo e assegna più o meno importanza a ciascuna informazione lungo il percorso.
Gli autori del presente studio hanno addestrato il loro strumento di intelligenza artificiale su molte immagini abbinate ai risultati delle biopsie eseguite in passato. Il loro obiettivo era quello di consentire allo strumento di aiutare i radiologi a ridurre il numero di biopsie necessarie per andare avanti. Questo può essere raggiunto solo, afferma Geras, aumentando la fiducia che i medici hanno nell'accuratezza delle valutazioni fatte per gli esami di screening (ad esempio, riducendo falso positivo e risultati falsi negativi).
Per il presente studio, il team di ricerca ha analizzato le immagini raccolte come parte delle cure cliniche di routine per sette anni, setacciando i dati raccolti e collegando le immagini con i risultati della biopsia. Questo sforzo ha creato un set di dati straordinariamente ampio per il loro strumento di intelligenza artificiale su cui allenarsi, sostengono gli autori, composto da 229,426 esami di mammografia di screening digitale e 1,001,093 immagini. La maggior parte dei database che i ricercatori hanno utilizzato negli studi fino ad oggi sono stati limitati a 10,000 immagini o meno.
Pertanto, i ricercatori hanno addestrato la loro rete neurale programmandola per analizzare le immagini dal database per cui erano già state determinate le diagnosi di cancro. Ciò significava che i ricercatori conoscevano la "verità" per ogni immagine mammografica (cancro o no) mentre testavano l'accuratezza dello strumento, mentre lo strumento doveva indovinare. I ricercatori hanno misurato l'accuratezza nella frequenza delle previsioni corrette.
Inoltre, i ricercatori hanno progettato il modello di AI per lo studio in modo da considerare separatamente patch molto piccole dell'immagine a piena risoluzione per creare una mappa di calore, un quadro statistico della probabilità di malattia. Quindi il programma considera l'intero seno per caratteristiche strutturali legate al cancro, prestando maggiore attenzione alle aree contrassegnate nella mappa di calore a livello di pixel.
Piuttosto che consentire ai ricercatori di identificare le caratteristiche dell'immagine per la loro IA da cercare, lo strumento sta scoprendo da solo quali caratteristiche dell'immagine aumentano la precisione della previsione. Andando avanti, il team prevede di aumentare ulteriormente questa precisione addestrando il programma di intelligenza artificiale su più dati, forse identificando anche i cambiamenti nel tessuto mammario che non sono ancora cancerosi ma hanno il potenziale per esserlo.
"Il passaggio al supporto dell'IA nella radiologia diagnostica dovrebbe procedere come l'adozione di auto a guida autonoma, lentamente e con attenzione, costruendo fiducia e migliorando i sistemi lungo la strada, concentrandosi sulla sicurezza", afferma il primo autore Nan Wu, dottorando presso il Center for Data Science.
Lo studio appare in Transazioni IEEE sull'imaging medico.
L'autore
L'autore senior dello studio Krzysztof Geras è professore assistente nel dipartimento di radiologia presso la Grossman School of Medicine della New York University.
Altri coautori provengono dalla New York University, dal SUNY Downstate College of Medicine, dall'Università di Cambridge e dalla Jagiellonian University.
Il supporto per il lavoro è venuto, in parte, dal National Institutes of Health. Il modello utilizzato in questo studio è stato reso disponibile sul campo per favorire l'innovazione.
Libri correlati:
Il corpo tiene il punteggio: cervello mente e corpo nella guarigione del trauma
di Bessel van der Kolk
Questo libro esplora le connessioni tra trauma e salute fisica e mentale, offrendo spunti e strategie per la guarigione e il recupero.
Clicca per maggiori informazioni o per ordinare
Respiro: la nuova scienza di un'arte perduta
di Giacomo Nestore
Questo libro esplora la scienza e la pratica della respirazione, offrendo approfondimenti e tecniche per migliorare la salute fisica e mentale.
Clicca per maggiori informazioni o per ordinare
Il paradosso delle piante: i pericoli nascosti negli alimenti "sani" che causano malattie e aumento di peso
di Steven R. Gundry
Questo libro esplora i collegamenti tra dieta, salute e malattia, offrendo spunti e strategie per migliorare la salute e il benessere generale.
Clicca per maggiori informazioni o per ordinare
Il codice di immunità: il nuovo paradigma per la salute reale e l'antietà radicale
di Joel Green
Questo libro offre una nuova prospettiva sulla salute e l'immunità, attingendo ai principi dell'epigenetica e offrendo intuizioni e strategie per ottimizzare la salute e l'invecchiamento.
Clicca per maggiori informazioni o per ordinare
La guida completa al digiuno: guarisci il tuo corpo attraverso il digiuno intermittente, a giorni alterni e prolungato
del dottor Jason Fung e Jimmy Moore
Questo libro esplora la scienza e la pratica del digiuno offrendo spunti e strategie per migliorare la salute e il benessere generale.
