Lasciamo che l'intelligenza artificiale dia un'occhiata alle radiografie scattate in ospedale!

Importare:

Nella vita quotidiana, è inevitabile che le persone si rechino in ospedale per controlli. Ma lo sai? L'intelligenza artificiale è entrata silenziosamente nel processo di diagnosi medica e ha preso parte alla battaglia per proteggere la salute umana.

In questa battaglia difensiva, l'intelligenza artificiale si è dimostrata particolarmente efficace nel riconoscimento delle immagini mediche. Successivamente, inizieremo con il riconoscimento delle immagini tramite intelligenza artificiale e vedremo come l'intelligenza artificiale e l'assistenza medica possano mettere in pratica la tecnologia e servire la società.

Difficoltà nel riconoscimento delle immagini mediche:

Quando ci rechiamo in ospedale per cure mediche o per una visita medica, potremmo ricevere una grande radiografia, una TAC o una risonanza magnetica, ma non è facile interpretare queste immagini mediche in modo efficiente e accurato.

Quando si acquisiscono immagini TC e RM, in realtà non viene scattata una sola immagine, ma vengono scansionate decine o centinaia di immagini contemporaneamente. I radiologi selezionano quindi le lesioni più probabili da numerose immagini e le forniscono ad altri medici come riferimento, il che richiede molto tempo.

Secondo il "Libro bianco sulla tecnologia e le applicazioni dell'intelligenza artificiale in campo medico del 2018", i dati di imaging medico del mio Paese aumentano del 30% ogni anno, mentre il numero di medici specializzati in imaging medico cresce solo del 4,1% ogni anno. Non è raro che un radiologo di un ospedale di terzo livello esamini ogni giorno decine di migliaia di immagini mediche.

Con un carico di lavoro così elevato, anche i medici più preparati sono destinati a commettere errori.

E anche con l'ausilio della diagnostica per immagini, alcune malattie sono difficili da diagnosticare nelle fasi iniziali. Prendiamo come esempio il cancro ai polmoni. Secondo i dati dell'Agenzia Internazionale per la Ricerca sul Cancro (IARC) del 2022, il cancro ai polmoni è il tumore con l'incidenza e la mortalità più elevate in Cina.

Secondo il "Consenso degli esperti cinesi sulla diagnosi del cancro ai polmoni in fase iniziale (edizione 2023)", se il cancro ai polmoni può essere diagnosticato nelle fasi iniziali (stadio I) e trattato attivamente, il tasso di sopravvivenza a cinque anni può raggiungere il 77%-92%. Tuttavia, se la diagnosi avviene negli stadi III-IV, il tasso di sopravvivenza a cinque anni è solo del 10-36%.

Tuttavia, il cancro ai polmoni allo stadio I non presenta sintomi clinici evidenti ed è difficile da identificare tramite raggi X. Richiede l'uso di scansioni TC spirale a bassa dose, che obbligano i radiologi a distinguere attentamente tra un gran numero di immagini TC. Nelle fasi iniziali del cancro al polmone, alcune lesioni sono miste a noduli benigni e sono difficili da distinguere.

L'intelligenza artificiale può fare di meglio:

Dopo l'avvento delle reti neurali convoluzionali (CNN), l'intelligenza artificiale ha compiuto rapidi progressi nel campo del riconoscimento delle immagini. Allo stesso tempo, con l'ausilio di algoritmi di apprendimento profondo, l'intelligenza artificiale può utilizzare immagini mediche etichettate per l'apprendimento, aiutando così i medici umani a formulare diagnosi. Quando si tratta di diagnosticare determinate malattie, le loro prestazioni sono addirittura paragonabili a quelle dei massimi esperti umani.

Ad esempio, uno studio del 2019 ha dimostrato i vantaggi dell'intelligenza artificiale nella diagnosi precoce del cancro ai polmoni.

Per addestrare l'algoritmo, i ricercatori hanno utilizzato i dati di oltre 45.000 TAC toraciche etichettate. Dopo aver completato la formazione, gli scienziati hanno chiesto al modello di intelligenza artificiale di analizzare nuove immagini TC e hanno confrontato i risultati con quelli forniti da sei radiologi professionisti.

I risultati hanno mostrato che il tasso di diagnosi mancate da parte dell'intelligenza artificiale era inferiore del 5% rispetto a quello dei medici umani. Anche il tasso di falsi positivi dell'intelligenza artificiale è inferiore dell'11% rispetto a quello dei medici umani. Un falso positivo può essere inteso come una situazione in cui una persona non ha il cancro ai polmoni ma riceve una diagnosi errata. Ciò dimostra che la precisione di rilevamento di questo modello di intelligenza artificiale non è inferiore a quella dei medici professionisti.

Se un modello del genere dovesse diffondersi, senza dubbio alleggerirebbe notevolmente il carico di lavoro dei medici e consentirebbe a più persone di ricevere cure il più presto possibile.

E la diffusione di questa tecnologia è già iniziata.

Nel 2021, alcuni ospedali terziari del nostro Paese hanno introdotto sistemi di diagnosi assistiti dall'intelligenza artificiale per i piccoli noduli polmonari. Questo sistema è in grado di stabilire se i noduli nelle immagini TC sono lesioni tumorali ai polmoni e di identificare piccoli noduli che non possono essere distinti a occhio nudo, aiutando così i medici a formulare giudizi più accurati.

Vale la pena ricordare che nel gennaio 2024 questo sistema è stato sperimentato per la prima volta in due ospedali di base: l'ospedale Xinhua nel distretto di Tongzhou, a Pechino, e lo Yongledian Community Health Service Center. Se un sistema del genere potesse essere diffuso negli ospedali di base, si risolverebbe notevolmente il problema dello squilibrio delle risorse mediche.

Naturalmente, finora abbiamo citato solo l'esempio della diagnosi precoce del cancro ai polmoni. L'intelligenza artificiale può fare molto di più. Può svolgere un ruolo importante nella diagnosi del cancro al seno, nell'esame della retinopatia diabetica, nel riconoscimento fotografico delle malattie della pelle, nella diagnosi e nello screening delle malattie cardiovascolari e cerebrovascolari e così via.

L'avvento della diagnosi assistita dall'intelligenza artificiale potrebbe cambiare radicalmente il settore medico e sanitario e salvaguardare la salute delle persone.

Il riconoscimento delle immagini tramite intelligenza artificiale presenta ancora delle carenze:

È innegabile che l'accuratezza del riconoscimento dell'intelligenza artificiale dipenda da dati etichettati di alta qualità. L'etichettatura dei dati di imaging medico è molto diversa dall'etichettatura dei dati generali.

Ad esempio, le persone comuni possono annotare il set di dati di addestramento per le auto a guida autonoma, perché sanno distinguere facilmente oggetti come strade, semafori, pedoni, biciclette, ecc. nelle immagini.

Tuttavia, l'etichettatura dei dati di imaging medico si affida a medici esperti, il che rende più difficile ottenere dati di formazione.

Tuttavia, il riconoscimento e l'analisi delle immagini mediche rappresentano un campo di ricerca relativamente nuovo. Un gran numero di scienziati in tutto il mondo è impegnato nella ricerca in questo campo. Associazioni come il MICCAI hanno integrato anche un gran numero di esperti in informatica, medicina, ingegneria e fisica e producono migliaia di articoli accademici ogni anno.

Credo che in futuro la tecnologia dell'intelligenza artificiale continuerà a promuovere lo sviluppo del settore medico e sanitario, consentendo a più persone di usufruire di una migliore assistenza medica.

Riferimenti:

Han B, Zheng R, Zeng H, et al. Incidenza e mortalità del cancro in Cina, 2022[J]. Rivista del National Cancer Center, 2024, 4(1): 47-53.

Società cinese di medicina respiratoria. (2023). Consenso degli esperti cinesi sulla diagnosi precoce del cancro al polmone (edizione 2023). Rivista cinese di tubercolosi e malattie respiratorie, 46(1), 1-18.

Liu Yunqin, Li Shengjin. Progressi della ricerca sulla diagnosi precoce del cancro al polmone[J]. Progressi nella medicina clinica, 2024, 14: 2406.

Ardila D, Kiraly AP, Bharadwaj S, et al. Screening end-to-end del cancro al polmone con apprendimento profondo tridimensionale su tomografia computerizzata del torace a bassa dose[J]. Medicina naturale, 2019, 25(6): 954-961.

Libro bianco sulla tecnologia e l'applicazione dell'intelligenza artificiale in campo medico del 2018

Autore: Yunjiyu Science Creation Team

Revisore: Qin Zengchang, Professore associato, Facoltà di Scienze dell'automazione e Ingegneria elettrica, Università di Beihang

L'articolo è prodotto da Science Popularization China-Creation Cultivation Program. In caso di ristampa, si prega di indicare la fonte.