Un algoritmo di deep learning può distinguere tra diverticolite acuta e cancro del colon in base alle immagini della tomografia computerizzata, facilitando così il lavoro dei radiologi? È la domanda che si sono posti i ricercatori dell'Università di Monaco, che hanno sviluppato uno strumento basato sull'intelligenza artificiale in grado di distinguere appunto tra queste due condizioni cliniche. L'algoritmo permette di eseguire una diagnosi più accurata, riducendo i falsi positivi (diagnosi di tumore errate) e i falsi negativi (mancate diagnosi). I risultati della scoperta sono stati pubblicati su Jama Network Open.
La diverticolite acuta è l'infiammazione dei diverticoli, piccole estroflessioni che si formano a livello della parete dell'intestino, prevalentemente per motivi anatomici, nel tratto distale del colon ed è una condizione benigna. Differenziare l'eziologia maligna da quella benigna nell'ispessimento della parete dell'intestino può essere complesso per radiologi e clinici. Per questo il gruppo di ricerca diretto da Sebastian Ziegelmayer, ha messo a punto un sistema di supporto basato sull'intelligenza artificiale, con l'obiettivo di migliorare le prestazioni diagnostiche, in particolare la riduzione dei falsi negativi, e quindi la cura dei pazienti.
Nello studio diagnostico una rete neurale convoluzionale tridimensionale, sviluppata su immagini di tomografia computerizzata con mezzo di contrasto di 585 pazienti con cancro del colon e diverticolite acuta, è stata in grado di prevedere entrambe le entità con un'elevata sensibilità (83%) e specificità (87%). A dieci clinici con diversi livelli di esperienza è stato chiesto di classificare la condizione di ciascun paziente, prima senza e poi con l'utilizzo del supporto algoritmico basato su intelligenza artificiale. Ne è emerso che inizialmente l'algoritmo legge in maniera più precisa dei clinici le immagini radiologiche, e che i radiologi migliorano l'accuratezza diagnostica in modo significativo quando affiancano alla propria esperienza l'utilizzo dell'intelligenza artificiale.
Scrivono gli autori in conclusione: “I risultati di questo studio suggeriscono che, come sistema di supporto, un modello di deep learning può migliorare la cura dei pazienti con ispessimento della parete dell'intestino crasso”.
Le informazioni di medicina e salute non sostituiscono
l'intervento del medico curante
Questa pagina è stata letta
293602 volte