L'IA individua i tumori al seno con precisione da record

AGI - Un modello di intelligenza artificiale si è dimostrato in grado di identificare con elevata precisione la posizione dei tumori nelle immagini di risonanza magnetica al seno, superando i modelli precedenti in test su tre gruppi di pazienti differenti. Lo rivela uno studio guidato da Felipe Oviedo, analista di ricerca senior presso l’AI for Good Lab di Microsoft, pubblicato su Radiology.

Limiti della mammografia e vantaggi della RM

La mammografia è lo standard per lo screening del cancro al seno, ma la sua efficacia diminuisce nelle donne con seni densi, condizione che può nascondere la presenza di tumori. In questi casi, la risonanza magnetica (RM) è più sensibile, sebbene più costosa e soggetta a falsi positivi.

Un modello IA addestrato su dati reali

Per migliorare l’accuratezza, il team ha sviluppato un modello IA di rilevamento delle anomalie capace di distinguere tra tessuto normale e lesioni sospette. A differenza dei modelli precedenti, addestrati su dataset bilanciati artificialmente, questo è stato costruito su quasi 10.000 esami RM consecutivi (2005–2022) presso l’Università di Washington, con oltre il 50% di donne con seni densamente fibrosi.

Mappe di calore e accuratezza diagnostica

Il modello fornisce un punteggio globale di anomalia e genera mappe di calore ad alta risoluzione che evidenziano pixel per pixel le zone sospette. Queste aree corrispondono ad anomalie confermate da biopsia e annotate da radiologi esperti, mostrando prestazioni superiori rispetto ai modelli di riferimento.

Test su pazienti reali e risultati

I test sono stati eseguiti su dataset interni (171 donne) e su un dataset multi-centro esterno (221 donne con tumore mammario invasivo). In tutti i contesti, il modello ha mostrato una capacità superiore nel localizzare i tumori, sia in situazioni di alta che di bassa prevalenza.

Impatto clinico e prospettive future

Integrato nel flusso di lavoro clinico, il modello potrebbe aiutare i radiologi a escludere rapidamente gli esami senza anomalie e focalizzarsi su quelli a maggior rischio, migliorando efficienza e accuratezza diagnostica. Sono comunque necessari ulteriori studi su popolazioni più ampie per confermare l’impatto reale.

Fiducia e adozione clinica

Felipe Oviedo sottolinea che la chiarezza delle mappe di calore può aumentare la fiducia dei medici, agevolando l’adozione pratica di questi strumenti nella diagnostica oncologica.