MDPHARMA_banner
Diagnostica Robotica e IA

L’intelligenza artificiale a supporto della diagnosi del tumore al seno

monsterid
Scritto da Alessandra Ronca

L’Intelligenza Artificiale e le nuove tecniche di diagnostica per immagini hanno il potenziale per rivoluzionare la diagnosi del tumore al seno, migliorando l’efficacia dello screening e personalizzando l’assistenza dei pazienti. Tuttavia, è cruciale affrontare le sfide legate all’accessibilità dei dati, alla diversità, alla tracciabilità, e agli aspetti etici per garantire che queste innovazioni siano utilizzate in modo sicuro, equo e vantaggioso per tutti. Le future ricerche dovranno, quindi, concentrarsi sulla standardizzazione dei dati, sulla convalida degli algoritmi, sulla riduzione dei bias e sulla partecipazione delle donne in ogni fase dello sviluppo e dell’implementazione delle nuove tecnologie.

Principali applicazioni

L’intelligenza artificiale (IA) è uno strumento che può potenziare il processo di screening del tumore al seno in diversi modi significativi. Gli algoritmi di IA accoppiati al ruolo e al lavoro dei radiologi favoriscono l’analisi delle mammografie per identificare potenziali tumori che potrebbero sfuggire all’occhio umano, oppure esaminare le mammografie in modo indipendente, contribuendo a ridurre il carico di lavoro dei radiologi che spesso devono analizzare centinaia di immagini al giorno.

I sistemi di Computer-Aided Detection (CAD) utilizzano l’IA per analizzare le mammografie e identificare potenziali malignità. Alcuni studi clinici hanno portato evidenze di miglioramenti significativi quando l’IA viene utilizzata come lettore indipendente. Nel caso dello studio MASAI (Mammography Screening with Artificial Intelligence) è stato evidenziato come lo screening mammografico supportato dall’IA garantisca un tasso di rilevamento del cancro molto simile alla lettura doppia standard dei radiologi, direzionando il mondo clinico verso un carico di lavoro per la lettura delle immagini notevolmente ridotto. In molti paesi, diversi sistemi CAD approvati dai regolatori sono già disponibili, migliorando l’accuratezza e l’efficienza del processo diagnostico.

I modelli di rischio dell’IA si concentrano sulla previsione della probabilità che un paziente sviluppi il tumore al seno nel corso di un determinato periodo. I recenti progressi in questo ambito, che vanno dai modelli basati sulla densità mammografica tradizionale a sistemi di deep learning e framework multimodali, hanno notevolmente aumentato l’accuratezza delle previsioni di rischio. Queste innovazioni permettono un approccio più personalizzato e mirato alla gestione della salute dei pazienti, ottimizzando le strategie di screening e potenzialmente migliorando gli esiti clinici (Figura 1).

processo intelligenza artificiale mammografia diagnostica
Figura 1. Schema di un programma di screening guidato da un’analisi di rischio basata su IA. Credits: Japanese Journal of Radiology

Bioetica nell’uso di IA nell’ambito dello screening mammografico

Quando si entra nel settore medicale, si parla di bioetica. Immaginando l’enorme interesse nello sviluppo e utilizzo di potenziali algoritmi di IA nelle tecnologie per la diagnosi del tumore del seno è fondamentale la presenza di linee guida, sia da un punto di vista clinico che materialmente da un punto di vista economico per i produttori. Le linee guida mirano a garantire che l’IA generi benefici concreti per individui e società, rispettando i diritti fondamentali di equità e inclusione, rimanendo sotto la supervisione dell’occhio esperto dell’uomo.

I cinque prinicipi etici che possono essere utilizzati per analizzare le applicazioni di IA (Figura 2) sono i seguenti: autonomia, beneficenza, non maleficenza, giustizia, esplicabilità.

principi etici ia autonomia beneficenza giustizia esplicabilità non maleficienza
Figura 2. Schema descrittivo dei principi etici dell’IA applicati alle tecniche mammografiche. Immagine ispirata da: Sage Journals

Personalizzazione e prioritizzazione sono ottimi obiettivi da perseguire per l’IA nello screening mammografico. Strumenti di valutazione del rischio personalizzati basati su IA potrebbero aiutare a identificare non solo i pazienti ad alto rischio, ma anche quelli a basso rischio, consentendo strategie di screening limitate, in termini di danni, da radiazioni inutili.

La possibilità di dare priorità alle immagini con maggiore rischio di tumore potrebbe consentire diagnosi più rapide, riducendo i ritardi e le necessità di appuntamenti successivi. I sistemi di IA possono aiutare a organizzare i casi in ordine di urgenza, assicurando che i pazienti con maggiori probabilità di avere condizioni critiche abbiano la priorità.

Accessibilità ai dati

Gli algoritmi di IA, per raggiungere un buon livello di affidabilità, devono essere allenati e testati su un grande set di dati. Questo rappresenta un grosso ostacolo per i ricercatori del settore che, a causa della difficoltà nell’accesso a questi dati, si occupano di generarne di sintetici al fine di poter allenare le reti neurali.

Una revisione sistematica condotta da un team di ricercatori provenienti dalla University Hospitals Birmingham NHS Foundation Trust ed altri enti inglesi, ha evidenziato le criticità dei dataset utilizzati per lo sviluppo di tecnologie di intelligenza artificiale in mammografia. Attraverso una ricerca su MEDLINE e Google Dataset, i ricercatori hanno analizzato 254 dataset, scoprendo che solo 28 risultavano accessibili e quindi anche i più citati, influenzando negativamente l’innovazione nel settore. Inoltre. l’analisi si concentra su parametri di diversità e inclusione relativi ai dataset utilizzati per il training dell’IA e sono risultate delle carenze nella rappresentatività demografica:

  • Solo il 45% dei dataset riporta l’età;
  • Solo il 30% riporta categorie maschio/femmina (il tumore al seno maschile rappresenta lo 0.6% del totale, con un’incidenza di 0.4 per 100.000 persone all’anno);
  • Solo il 13% riporta dati su etnia;
  • Solo il 2% riporta lo status socio-economico;
  • Quasi nessun dataset include persone transgender o non-binarie, nonostante siano a rischio di cancro al seno;
  • Scarsa rappresentazione dei paesi del Sud globale, con conseguente rischio che i paesi con minori risorse vengano esclusi dall’innovazione digitale sanitaria.

È evidente, dunque, la necessità di migliorare la raccolta di referti mammografici da un punto di vista quantitativo e di rappresentatività per sviluppare tecnologie di IA eque e inclusive. Un controllo sulla gestione dei dati e la privacy dei pazienti è alla base del processo, per guadagnare la fiducia delle comunità nella raccolta dei dati.

Cosa pensano le donne quando si parla di tumore al seno?

Considerato che il tumore al seno colpisce in maggior parte le donne, un alto tasso di partecipazione è fondamentale per il successo dei programmi di screening sulla popolazione femminile. Uno studio condotto presso il CRB (Centre for Research Ethics & Bioethics) dell’Università di Uppsala in Svezia, nazione dove il tasso di adesione è circa del 75%, ha analizzato le percezioni e gli atteggiamenti delle donne riguardo all’uso dell’IA nella mammografia.

Le donne percepiscono l’IA come uno strumento prezioso in mammografia, riconoscendone i potenziali benefici e la capacità di complementare il lavoro dei radiologi. Emerge tuttavia una limitata comprensione dal punto di vista tecnologico e sulle sue attuali capacità. Manifestano aspettative molto alte sull’IA, con la pretesa che non commetta errori (a differenza della maggiore tolleranza verso gli errori umani).

Le partecipanti hanno sottolineato l’importanza di mantenere il coinvolgimento umano e la trasparenza nel processo di screening. Inoltre danno priorità all’individuazione dei potenziali tumori rispetto alla riduzione dei falsi positivi. Esprimono quindi fiducia nell’integrazione dell’IA nella mammografia di routine, se questa permette di rilevare più casi, credendo che operatori sanitari e sviluppatori dell’IA condividano l’obiettivo di salvare vite.

Ciò che può sembrare ovvio è che le pazienti accettano la condivisione dei dati solo se finalizzata a scopi significativi come la ricerca o il salvare vite, e se viene garantito l’anonimato.

Il tumore al seno, però, colpisce anche gli uomini

Conclusioni

È fondamentale che la partecipazione delle donne allo screening derivi da scelte consapevoli e dalla fiducia nell’affidabilità dell’intelligenza artificiale. Le donne sono considerate parti interessate cruciali nel processo di implementazione dell’IA, e affrontare le loro preoccupazioni pratiche è essenziale per mantenere la fiducia nel programma. Questo assicura un’implementazione dell’IA che rispetti il loro diritto a prendere decisioni informate sulla propria salute.


Riferimenti
  • Japanese Journal of Radiology – AI image analysis as the basis for risk-stratified screening
  • PubMed – Ethics of Artificial Intelligence in Breast Imaging
  • Sage Journal – Is it alright to use artificial intelligence in digital health? A systematic literature review on ethical considerations
  • Clinical Imaging – Diversity, inclusivity and traceability of mammography datasets used in development of Artificial Intelligence technologies: a systematic review
  • Journal of Clinical Oncology – Incidence and Outcome of Male Breast Cancer: An International Population-Based Study
  • BMJ OPen – Women’s perceptions and attitudes towards the use of AI in mammography in Sweden: a qualitative interview study
  • ScreenTrustCAD – Artificial intelligence for breast cancer detection in screening mammography in Sweden: a prospective, population-based, paired-reader, non-inferiority study
  • MASAI – Artificial intelligence-supported screen reading versus standard double reading in the Mammography Screening with Artificial Intelligence trial (MASAI): a clinical safety analysis of a randomised, controlled, non-inferiority, single-blinded, screening accuracy study
  • Immagine di copertina. Credits: Punch Newspapers

MDPHARMA_banner

Informazioni autore

monsterid

Alessandra Ronca

Laureata in Ingegneria Biomedica presso l'Università di Pisa, attualmente Dottoranda presso l'Istituto Nazionale di Ricerca Metrologica di Torino.
Mi occupo di tecniche di imaging quantitativo per la mammografia.
Sono molto curiosa, credo fortemente nella ricerca e nel progresso medico-scientifico, supportati dalla tecnologia, al fine di preservare la nostra salute.

Registrati alla nostra newsletter

Commenta l'argomento nel forum