La diffusione del COVID-19, come già ampiamente discusso dalle più rinomate testate giornalistiche, sta mettendo a dura prova diversi sistemi economici e sanitari. Si assiste ad una diminuzione degli standard di produzione con rallentamento/interruzione delle catene di approvvigionamento, al rischio di fallimento di molte piccole-medie imprese ma anche grandi aziende, all’instabilità finanziaria nonché alle situazioni confusionarie che si manifestano nei maggiori reparti ospedalieri: personale medico sottoposto a turni extra, lunghi ed estenuanti, posti letto e terapie intensive che scarseggiano, necessità di garantire l’isolamento dei reparti di malattie infettive dagli altri.
In un contesto di questo tipo si manifesta con un tenore ancora più forte la necessità di unire le forze di tutti al fine di avere uno stretto controllo sullo sviluppo del virus e sulle più disparate situazioni che da esso derivano.
Con “tutti” si intende umani e macchine: la tecnologia è, infatti, un tassello importante e ci si aspetta un ruolo speciale per l’intelligenza artificiale (AI).
In che modo l’AI può supportare gli esperti nella lotta contro COVID-19?
Quali mezzi essa può fornire per aiutare a diagnosticare i pazienti in modo rapido e con alta probabilità di successo?
Attuale percorso diagnostico
La tecnica più comune per eseguire un’analisi in vitro sul campione di un paziente affetto dal virus è RT-PCR: tramite un tampone (usualmente rinofaringeo) si estrae l’RNA che, tramite uno specifico enzima (trascrittasi inversa), viene trasformato in c-DNA (DNA risultante dalla retrotrascrizione); a questo punto si esegue l’amplificazione del DNA estratto, cioè viene applicata la tecnica PCR vera e propria: si aggiungono nucleotidi, un enzima specifico di replicazione (DNA-polimerasi), cofattori e brevi frammenti nucleotidici (primer); questi ultimi, combinati con opportuni marcatori (solitamente sostanze fluorescenti), sono in grado di segnalare la presenza di DNA virale, ovvero la positività del tampone a COVID-19.
La specificità di questo test è buona, tuttavia, la sensibilità può variare notevolmente.
Altre soluzioni ipotizzate
Un numero crescente di ospedali si sta rivolgendo a strumenti automatizzati che fungano da aiuto nella gestione della pandemia, infatti, una riduzione dei tempi di analisi potrebbe alleggerire il carico del sistema sanitario nazionale; opzioni di questo tipo includono, per esempio, test “point-of-care” molecolari (test per lo più automatizzato i cui risultati sono disponibili entro 30 minuti anziché giorni), test su carta (simili al modo in cui funziona un test di gravidanza, una striscia di carta contiene anticorpi che si legheranno alle proteine virali), test per gli anticorpi nel sangue (opzione non molto rilevante, poiché gli anticorpi possono essere misurati solo dopo che si è stati infettati), o test dell’antigene (test che cercano frammenti di proteine della superficie virale come marker di infezione).
Sfortunatamente, nessuno di loro ha una versione pronta per l’uso clinico che fornisce risultati rapidi e con buona precisione.
Diagnosi in soli 20 secondi tramite intelligenza artificiale
È un test rapido con un tasso di attendibilità del 98.5% e un tasso di accuratezza del 96%, il cui sistema di monitoraggio è stato utilizzato per la prima volta negli ospedali di Wuhan (Cina) ed è stato acquisito da poco anche dall’Università Campus Bio-Medico di Roma.
L’istituto di ricerca cinese Alibaba DAMO Academy, facente parte del colosso tecnologico Alibaba Group, è stato il primo ad annunciare l’esistenza di un test in grado di elaborare immagini provenienti da TAC e, in soli 20 secondi, fornire una diagnosi positiva o negativa al COVID-19.
Questo tipo di analisi si appoggia a metodi basati sull’imaging medico e, in particolare, sulla tomografia computerizzata (CT).
La CT toracica senza contrasto ha dimostrato di essere uno strumento efficace nel rilevamento, nella quantificazione e nel follow-up della malattia e, tramite meccanismi di machine learning, è possibile analizzare un numero potenzialmente elevato di TAC toraciche.
Il suddetto sistema non solo riceve immagini di TAC toraciche appartenenti a casi sospetti COVID-19 ma, per i casi classificati come positivi, analizza i lobi, la densità e produce una mappa di localizzazione delle anomalie polmonari.
I vantaggi sono principalmente due: elevata precisione e ridotti tempi di analisi; infatti, in genere, per capire se un soggetto è affetto da COVID-19 piuttosto che da polmonite virale ordinaria, il medico impiega dai 5 ai 15 minuti, mentre l’Intelligenza Artificiale riesce a discernere in tempi estremamente più ridotti.
Schema di principio e funzionamento
Il sistema è composto da diversi componenti e esegue un’analisi a due livelli distinti:
- Sottosistema A: analisi di un volume polmonare 3D per la ricerca di noduli e piccole opacità tramite algoritmi già esistenti. In particolare si utilizza un software commerciale standard che fornisce misurazioni quantitative (volumetriche, assiali e rilevazione di calcificazione);
- Sottosistema B: analisi 2D di ogni sezione per rilevare e localizzare opacità diffuse di dimensioni maggiori, incluse le opacità a vetro smerigliato che sono state clinicamente descritte come rappresentative della malattia da coronavirus. Questo sottosistema si basa, dunque, sull’estrazione di una regione polmonare di interesse utilizzando una tecnica di segmentazione polmonare: è come se si selezionasse una singola “fetta” di dimensioni opportune affinché vengano rimosse tutte le porzioni di immagini che non sono rilevanti per la diagnostica di patologie polmonari.
Nel caso particolare del progetto portato avanti dal Campus Bo-Medico di Roma, è stato costruito un database europeo per archiviare tutte le immagini TC dei centri che vorranno collaborare al fine di avere un grande registro a cui far fede per successivi studi; infatti, grazie ad una rete neurale, preaddestrata tramite milioni di immagini provenienti dall’apposito database, si riusciranno a rilevare anomalie direttamente correlate al virus in esame, discriminandole da altre particolari patologie, per esempio derivanti da una polmonite batteriologica.
È evidente, quindi, che questo sistema di AI permette di fare una diagnosi precoce della malattia COVID-19, partendo da una TAC polmonare e diminuendo di gran lunga il numero di personale medico necessario: nella maggior parte dei casi analizzati, mettendo a confronto le tomografie, l’AI è in grado di distinguere i casi di COVID-19 da quelli di una comune polmonite, in poco tempo e con un margine di errore minimo.
Le finalità del sistema descritto
Gli studi diagnostici tramite CT toracica che utilizzano l’intelligenza artificiale rappresentano un metodo, coerente e riproducibile, che consente una rapida valutazione di elevati volumi di screening e può costituire un aiuto concreto nell’attuale crisi per diversi motivi: sistemi altamente precisi possono escludere in modo affidabile la presenza di falsi negativi; inoltre la velocità con cui sarebbe possibile ottenere i risultati consentirebbe di sottoporre a screening un maggior volume di pazienti, dunque vi sarebbe una diagnosi precoce e più rapida di casi positivi che potrebbe portare ad un’identificazione e un contenimento più efficaci dei casi positivi.
Altri progetti e soluzioni
Nel Regno Unito, Rizwan Malik (radiologo principale presso il Royal Bolton Hospital, gestito dal National Health Service) ha identificato, nel settembre dello scorso anno, un promettente sistema di radiografia del torace basato sull’intelligenza artificiale chiamato qXR; tale sistema è stato ultimamente riorganizzato per rilevare la polmonite indotta da COVID; parallelamente, decine di altre aziende di intelligenza artificiale hanno sviluppato nuovi software o rinnovato strumenti esistenti.
L’intelligenza artificiale sanitaria era un’area di ricerca in forte espansione già prima della pandemia: il “Deep Learning”, in particolare, ha dimostrato risultati impressionanti per l’analisi delle immagini mediche per identificare malattie come il cancro al seno e ai polmoni o il glaucoma almeno con la stessa precisione degli specialisti umani; tuttavia vi sono stati diversi ostacoli significativi nel tradurre quella ricerca in applicazioni del mondo reale e, inoltre, come afferma Albert Hsiao, radiologo della UCSD Health, “gli uomini sono creatura dell’abitudine, non cambiano a meno che non sono costretti a cambiare”.
Molti esperti, però, hanno espresso fiducia in questo senso: l’uso dell’AI in ambito sanitario, così come in altri contesti, rappresenta un’ampia opportunità che va colta e sfruttata, pur considerando e superando le problematiche che da essa derivano (come per esempio i problemi di privacy).
Fonti e approfondimenti
- Rapid AI Development Cycle for the Coronavirus (COVID-19) Pandemic: Initial Results for Automated Detection & Patient Monitoring using Deep Learning CT Image Analysis – arxiv.org
- Diagnosing COVID-19 using AI-based medical image analyses – quantib.com
- Doctors are using AI to triage covid-19 patients. The tools may be here to stay – technologyreview.com
