Ecco come funziona: dopo aver scattato una foto con determinate caratteristiche – tra le quali nitidezza ed ampiezza della parte del corpo immortalata – un sistema automatizzato rileva, estrae ed analizza tutte le lesioni pigmentate osservabili. Una rete neurale convoluzionale pre addestrata determina invece la natura della lesione e provvede a contrassegnarla tramite un colore, in base alla diagnosi: ovvio, il colore rosso, quale segnale di allarme, suggerisce un’ispezione più approfondita da parte del personale medico competente. 

Infine, l’immagine verrà poi visualizzata in un formato simile alle mappe di calore, per evidenziarne ulteriormente i risultati. 

Animazione dei ricercatori coinvolti nel progetto di ricerca | MIT News

La sfida dei ricercatori è si quella di permettere un rilevamento efficace ed efficiente del cancro alla pelle, ma in egual misura, il loro interesse è rendere effettivo un miglioramento dell’attuale capacità del sistema medico di fornire screening cutanei completi su larga scala.

La nostra ricerca, suggerisce che i sistemi che sfruttano la visione artificiale e le reti neurali profonde, possono ottenere una precisione paragonabile a quella di dermatologi esperti

Queste le parole di Luis R. Soenksen, esperto di dispositivi medici, il quale attualmente è Venture Builder per il MIT nella divisione Intelligenza Artificiale e Sanità. É lui il primo autore del recente articolo pubblicato su Science Translation Medicine, dal titolo “Using Deep Learning for Dermatologist-level Detection of Suspicious Pigmented Skin Lesions from Wide-Field Images”.

É infatti grazie all’AI, che i ricercatori hanno addestrato il sistema, utilizzando tra le altre, 20.388 immagini messe a disposizione dall’Ospedale Gregorio Marañon di Madrid. Tutte le referenze, sono state raccolte con fotocamere quotidianamente accessibili al consumatore medio, e sono poi state classificate da personale medico specializzato. Così facendo, si è arrivati a confermare una effettiva sensibilità all’individuazione di melanomi superiore al 90%.

Per approfondire:
Luis R. Soenksen, Timothy Kassis, Susan T. Conover, Berta Marti-Fuster, Judith S. Birkenfeld, Jason Tucker-Schwartz, Asif Naseem, Robert R. Stavert, Caroline C. Kim, Maryanne M. Senna, José Avilés-Izquierdo, James J. Collins, Regina Barzilay and Martha L. Gray (2021) Using deep learning for dermatologist-level detection of suspicious pigmented skin lesions from wide-field images, Science Tranlational Medicine, 17 Feb 2021, Vol. 13, Issue 581, eabb3652, DOI: 10.1126/scitranslmed.abb3652 

L'articolo Artificial Intelligence per lo screening cutaneo proviene da Osservatorio C Quadra.