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.

Innanzitutto è indolore: Judit Giró Benet evidenzia infatti che tra le prerogative alla base della realizzazione del progetto, vi è proprio la scoperta di uno studio dal quale emergeva che circa la metà delle donne che non effettuano controlli per il tumore al seno, riportano quale principale motivazione il fastidioso dolore dell’esame mammografico.

In secondo luogo non è irradiante: l’esposizione annuale a radiazioni, è essa stessa causa di tumore.

È accurato: Benet, evidenzia come il 93,5% delle diagnosi di tumore al seno sono dei falsi allarmi (Dato Dipartimento Catalano della Salute).

In ultimo, ma non meno importanti: è low cost ed effettuabile a domicilio, rapidamente, con rilevanti effetti anche sulla riduzione dell’ansia. Niente lunghe liste d’attesa per effettuare l’esame e niente stressanti ed insostenibili attese per la diagnosi.

Come funziona? Basta introdurre un campione di urina all’interno della Blue Box. L’algoritmo basato sull’intelligenza artificiale, reagisce a specifiche sostanze contenute nelle urine (metaboliti) con un tasso di classificazione >95%.

Il primo step è creare un’utenza sulla Blue App. Si può procedere poi alla raccolta di un campione di urine da posizionare nella Blue Box. Premendo poi il tasto “Start” presente all’interno dell’App, verranno attivati 6 sensori chimici, che reagiranno a determinati biomarcatori. La reazione verrà poi inviata al Cloud di The Blue Box che darà avvio all’algoritmo AI. Successivamente, si riceverà la diagnosi, direttamente nell’App installata sul proprio cellulare.

Il percorso che ha portato alla realizzazione della Blue Box, parte nel 2017, quando Judit Giró Benet ha realizzato la sua tesi di laurea in Ingegneria Biomedica. E se il primo prototipo spagnolo costava 30€, è con il secondo prototipo, sviluppato da Benet ad Irvine, presso l’Università della California, che si è vista l’introduzione dell’Intelligenza Artificiale e il rafforzamento dell’obiettivo di distribuirlo a quante più donne, nel mondo.

Per il futuro, Benet intende innanzitutto brevettare la tecnologia di Blue Box e in secondo luogo, testarla su un maggior numero di pazienti.

L'articolo L’Intelligenza Artificiale per lo screening del tumore al seno proviene da Osservatorio C Quadra.