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.

In passato ci siamo occupati di un tema analogo raccontando del dispositivo biomedicale realizzato dall’Università di Barcellona che sfruttando l’intelligenza artificiale è in grado di effettuare in modo efficace e delicato lo screening del tumore al seno.

Anche la recente ricerca, pubblicata su Scientific Reports, dimostra il potenziale della tecnologia AI nella diagnosi veloce e non invasiva dei tumori. Lo studio condotto si focalizza sul riconoscimento di tre tipi di tumore della fossa cranica posteriore.

Esempi di immagini a risonanza magnetica di pazienti pediatrici con tumore cerebrale

Attestandosi come principale causa di morte per cancro di bambini, l’individuazione celere e certa di queste tre tipologie di malattia appare fondamentale.

La cura dei minori necessita di particolare sensibilità e immediatezza nella gestione di patologie di tale gravità: la possibilità di analizzare le informazioni in modo rapido e indolore evitando la biopsia, così come la garanzia di un referto accurato e la prontezza di intervento adeguato, risultano cruciali.

“Abbiamo combinato l’imaging con l’intelligenza artificiale per fornire una diagnostica di alto livello che possa iniziare a dare alcune risposte”

Professor Andrew Peet, Università di Birmingham

La tecnica messa in atto dal team di ricerca prevede la combinazione di risonanza magnetica di diffusione, esame basato sull’analisi dei movimenti delle molecole d’acqua presenti in un tessuto, e machine learning. Con le scansioni e i dati generati viene estratta una sorta di mappa informativa sul tumore al cervello.

Le immagini, ricavati dalle attrezzature di 12 diversi ospedali e coinvolgendo ben 117 pazienti, sono state prima esaminate da personale medico specializzato e successivamente analizzate dagli algoritmi di AI.

In passato erano stati condotti studi analoghi, ma limitati a singoli centri specializzati: la recente ricerca dimostra invece che è possibile impiegare la tecnica innovativa in molteplici enti ospedalieri. In questo modo si può garantire l’ottimizzazione delle diagnosi di tumore al cervello per molti più piccoli pazienti e, di conseguenza, degli interventi adeguati in caso di malattia.

Per approfondire:

Jan Novak, Niloufar Zarinabad, Heather Rose, Theodoros Arvanitis, Lesley MacPherson, Benjamin Pinkey, Adam Oates, Patrick Hales, Richard Grundy, Dorothee Auer, Daniel Rodriguez Gutierrez, Tim Jaspan, Shivaram Avula, Laurence Abernethy, Ramneek Kaur, Darren Hargrave, Dipayan Mitra, Simon Bailey, Nigel Davies, Christopher Clark, Andrew Peet (2021), Classification of paediatric brain tumours by diffusion weighted imaging and machine learning, Scientific Reports volume 11, 2987 (2021), https://doi.org/10.1038/s41598-021-82214-3

L'articolo L’AI permette la diagnosi non invasiva dei tumori cerebrali pediatrici proviene da Osservatorio C Quadra.