IA utile per diagnosticare il cancro al seno

Parlando di intelligenza artificiale si corre spesso il rischio di circoscrivere le potenzialità dei sistemi ad essa riconducibili ad un singolo ambito di applicazione, ad un solo servizio o ad un campo specifico. In realtà, quando si discute di IA, si fa riferimento ad ogni iniziativa che è possibile mettere in campo grazie all’impiego di algoritmi d’elaborazione sempre più complessi e potenze di calcolo in costante crescita.

Anche l’ambito medico ne beneficerà. L’ennesima conferma arriva dai laboratori del Beth Israel Deaconess Medical Center (BIDMC) di Boston, dove un team di ricercatori, in collaborazione con i colleghi del Harvard Medical School (HMS), ha messo a punto un metodo per insegnare ai computer come analizzare le immagini diagnostiche dei pazienti per cercare autonomamente tracce di patologie che potrebbero invece sfuggire all’occhio umano di uno specialista.

Alla base di tutto il deep learning, con un approccio simile a quello utilizzato per riconoscere oggetti e soggetti presenti all’interno delle fotografie. La presentazione è avvenuta in occasione di un contest di settore, l’International Symposium of Biomedical Imaging (ISBI).

Una tecnologia di questo tipo potrebbe essere impiegata, ad esempio, per scansionare le analisi dei linfonodi e stabilire in maniera precoce l’insorgere di un cancro al seno. Nella prima fase del progetto i responsabili hanno dato in pasto al sistema centinaia di immagini, indicando con esattezza dove si trovano le cellule colpite dal tumore e dove, invece, ci sono esclusivamente quelle sane. Da test successivi l’intelligenza si è dimostrata in grado di fornire una risposta corretta nel 92% dei casi, una percentuale comunque ancora inferiore rispetto alla media registrata da personale medico in carne ed ossa (96%). Applicando entrambe le metodologie di lettura, però, si può arrivare ad un’accuratezza stimata pari al 99,5%.

I nostri risultati nella competizione ISBI mostrano come un computer possa risultare davvero intelligente. Se applicato in combinazione con un’analisi umana, il risultato finale è molto più preciso e clinicamente valido per il processo diagnostico e per stabilire una cura adeguata.