L’intelligenza artificiale nella prevenzione del tumore al seno

Uno studio pubblicato sulla rivista Nature ha dimostrato che l’AI può essere più efficiente dell’uomo nell’identificazione di lesioni pre-cancerose o indicanti la presenza della malattia, utilizzando i dati forniti dallo screening mammografico [...]
Daniela Di Leo

Avvocato, ICT, Consulente Privacy & Data Protection

AI tumori seno
  1. Home
  2. Intelligenza Artificiale
  3. L’intelligenza artificiale nella prevenzione del tumore al seno

Le applicazioni dell’intelligenza artificiale nei vari ambiti della nostra vita sono in continua crescita, merito di nuove intuizioni e di molti studi e ricerche che hanno il pregio di scandire il ritmo di un progresso tecnologico sorprendente. Forse quello sanitario è il settore nel quale le applicazioni e i risultati sono a dir poco sorprendenti, possono essere diagnosticati ad esempio tumori o altre patologie in modo molto più rapido ed accurato, con notevoli vantaggi in termini di prevenzione e riduzione dei costi di trattamento grazie a una maggiore accuratezza di approccio terapeutico. Secondo recenti studi, l’ultimo dei quali effettuato dai ricercatori del Massachusetts General Hospital (MGH), è possibile, grazie all’intelligenza artificiale, prevedere il rischio che una donna possa sviluppare un tumore al seno.

Immaginiamo la portata di una tale scoperta in termini di prevenzione, tempestività delle cure e riduzione della spesa sanitaria.

L’efficienza dell’intelligenza artificiale nello screening mammografico

Lo screening mammografico mira a identificare il cancro al seno nelle prime fasi della malattia, quando la terapia può avere più successo. Nonostante l’esistenza di programmi di screening in tutto il mondo, l’interpretazione delle mammografie è influenzata da alti tassi di falsi positivi e falsi negativi. Per porre rimedio a queste difficoltà, uno studio pubblicato sulla rivista Nature ha dimostrato che in determinate condizioni l’AI è più efficiente dell’uomo nell’identificazione di lesioni pre-cancerose o indicanti la presenza di cancro al seno. Pur non essendo un sistema infallibile, l’unione tra capacità umane e quelle del programma potrebbe portare a una riduzione degli errori di lettura delle immagini, specialmente per quanto riguarda il rilevamento di falsi positivi e di falsi negativi.

Il modello è stato “addestrato” utilizzando dati provenienti da mammografie di più di 76mila donne inglesi e più di 15mila americane. Nel Regno Unito, dove le mammografie vengono osservate da due radiologi (in caso di dubbio è interpellato anche un terzo radiologo), il sistema di AI ha dimostrato una precisione superiore al primo lettore umano, ma non ha superato la performance della doppia lettura da parte dei radiologi.

Negli USA l’algoritmo ha dimostrato sensibilità superiore a quella umana. Parlando di numeri, nella valutazione complessiva dell’algoritmo è stata registrata una riduzione del 5,7% dei falsi positivi negli Stati Uniti e una riduzione dell’1,2% nel Regno Unito.

Ovviamente occorreranno altri studi per comprendere meglio fino a che punto questa tecnologia può essere utile per i pazienti.

AI tumore seno

 

Come gli algoritmi di AI possono prevedere il rischio di sviluppare il cancro al seno

WHITEPAPER
Big Data Analytics: dai browser ai social. Come analizzare la quantità crescente di dati?
Big Data
Business Analytics

Come anticipato, nel campo della diagnostica per immagini applicata all’oncologia, i ricercatori del Massachusetts General Hospital (MGH) hanno sviluppato un modello di apprendimento che identifica biomarcatori per immagini su mammografie in grado di prevedere il rischio che una paziente possa sviluppare un cancro al seno, con maggiore precisione rispetto ai tradizionali strumenti di valutazione del rischio.

L’identificazione delle donne che hanno la probabilità di sviluppare un tumore al seno è una componente fondamentale per un’efficace diagnosi precoce. Tuttavia, i modelli disponibili che utilizzano fattori come la storia familiare e la genetica sono insufficienti nel prevedere la probabilità che ad ogni singola donna possa essere diagnosticata la malattia.

I modelli di valutazione del rischio attualmente disponibili incorporano solo una piccola parte dei dati dei pazienti come la storia familiare, precedenti biopsie mammarie e la storia ormonale e riproduttiva. Solo la densità del seno è la caratteristica degli screening mammografici a essere incorporata nei modelli tradizionali.

“Perché dovremmo limitarci alla sola densità del seno quando nella mammografia di ogni donna sono incorporati dati digitali così ricchi?” afferma Constance D. Lehman, MD, Ph.D., ricercatrice presso il MGH. La mammografia di ogni donna è unica per lei, proprio come la sua impronta digitale. Contiene biomarcatori che sono altamente predittivi del rischio futuro di cancro, ma fino a quando non abbiamo avuto gli strumenti di deep learning, non siamo stati in grado di estrarre queste informazioni per migliorare la cura del paziente”.

I ricercatori, al fine di valutare l’accuratezza del modello predittivo creato con l’intelligenza artificiale, hanno confrontato i risultati ottenuti con un modello di rischio tradizionale; è emerso che il modello di deep learning ha raggiunto un tasso predittivo di 0,71 mentre il modello tradizionale era di 0,61. La peculiarità dell’algoritmo è quella di leggere e analizzare tutti i biomarcatori e i dati presenti nella mammografia. Il nuovo modello di “apprendimento profondo” è stato anche convalidato esternamente in Svezia e a Taiwan.

L’uso dell’AI in ambito sanitario come supporto alla diagnosi e cura delle patologie è in forte crescita e suscita l’interesse di numerosi giganti della tecnologia che finanziano studi e ricerche, assisteremo a nuove scoperte, nuovi approfondimenti, nuovi test, indubbiamente ci saranno confutazioni di teorie, ricerche e metodi. Si preannuncia una nuova era dove con l’aiuto e il supporto dell’intelligenza artificiale i medici potranno ottenere risultati migliori per i pazienti.

AI tumore seno

Le tecniche di AI utilizzate per la diagnosi dei tumori

L’intelligenza artificiale ha come obiettivo quello di creare dei sistemi automatici che non richiedano l’intervento dell’essere umano per poter funzionare, ma siano in grado di prendere decisioni in maniera autonoma.

Quando si parla di intelligenza artificiale ci si riferisce anche al machine learning (apprendimento automatico) la branca dell’AI in cui si progettano computer e software in grado di processare moltissimi dati in pochissimo tempo e al deep learning (apprendimento profondo) che è un sotto insieme del machine learning.

Il prodotto del machine learning è un algoritmo, ovvero un insieme di istruzioni che il computer esegue per dare una soluzione a un determinato problema. Il ragionamento che viene effettuato è di tipo induttivo (“bottom up”) ovvero si osservano dei fenomeni in quantità rilevanti e si generalizza ciò che si osserva estraendo delle regole generali. Il vantaggio risiede nel fatto che, avendo tanti dati e disponendo di algoritmi efficienti, si possono estrarre informazioni dai dati: il cosiddetto approccio “data driven”, basato sull’esperienza. Quindi, tutto ciò che non può essere sperimentato non può essere appreso dalla macchina. Se non viene inserita nessuna informazione, l’intelligenza artificiale non la può creare. L’idea alla base del machine learning è che inserendo dei dati e il risultato che si vuole ottenere, il computer deve imparare a scrivere il programma che dai dati inseriti fornirà il risultato richiesto.

Il deep learning (apprendimento profondo) basa il suo funzionamento sulla classificazione e “selezione” dei dati più rilevanti per giungere a una conclusione, esattamente come fa il nostro cervello che per formulare una risposta a un quesito, dedurre un’ipotesi logica, arrivare alla risoluzione di un problema, mette in moto i propri neuroni biologici e le connessioni neurali che consentono a ciascun individuo di ragionare, fare calcoli in parallelo, riconoscere suoni, immagini, volti, imparare e agire.

Applicando il deep learning abbiamo quindi una “macchina” che riesce autonomamente a classificare i dati e a strutturarli gerarchicamente, trovando quelli più rilevanti e utili alla risoluzione di un problema (esattamente come fa la mente umana), migliorando le proprie prestazioni con l’apprendimento continuo.

Grazie al machine learning e al deep learning, inserendo una grande quantità di immagini di diagnostica in un computer, con l’obiettivo di “istruirlo” a riconoscere una lesione, il computer sarà in grado di valutare la presenza della stessa lesione in una futura immagine. Potranno essere in questo modo costruiti dei modelli predittivi e diagnostici sfruttando i big data; ovviamente, poiché è l’uomo a inserire i dati, occorre che questi siano acquisiti e organizzati secondo standard condivisi sia dal punto di vista quantitativo sia da un punto di vista qualitativo.

Alcuni accenni al quadro normativo per l’AI in Europa

L’intelligenza artificiale costituisce uno strumento di trasformazione della realtà circostante e, più in generale, della nostra società. Il fatto che ci possano essere degli algoritmi in grado di prendere delle decisioni introduce molte questioni in ambito etico e legale. Questioni che non possono non trovare una soluzione in ambito europeo considerato, il mercato unico e il mondo digitale privo di confini fisici. A tal proposito, il Parlamento europeo nell’ottobre 2020 ha inviato alla Commissione europea una proposta di risoluzione recante raccomandazioni e bozza di Regolamento concernenti il regime di responsabilità civile per l’intelligenza artificiale e una proposta di risoluzione recante raccomandazioni e bozza di Regolamento concernenti il quadro relativo agli aspetti etici dell’intelligenza artificiale, della robotica e delle tecnologie correlate. Il “Regolamento sui principi etici per lo sviluppo, la diffusione e l’utilizzo dell’intelligenza artificiale, della robotica e delle tecnologie correlate” si basa sui principi seguenti:

  •  un’intelligenza artificiale, una robotica e tecnologie correlate antropocentriche, realizzate e controllate dall’uomo;
  • una valutazione obbligatoria della conformità dell’intelligenza artificiale, della robotica e delle tecnologie correlate ad alto rischio;
  • sicurezza, trasparenza e responsabilità;
  • garanzie e mezzi di ricorso contro le distorsioni e le discriminazioni;
  • il diritto di ricorso;
  • la responsabilità sociale e la parità di genere nell’ambito dell’intelligenza artificiale, della robotica e delle tecnologie correlate;
  • un’intelligenza artificiale, una robotica e tecnologie correlate sostenibili sul piano ambientale;
  • il rispetto della vita privata e restrizioni all’utilizzo del riconoscimento biometrico;
  • una buona governance in materia di intelligenza artificiale, robotica e tecnologie correlate, inclusi i dati utilizzati o prodotti da tali tecnologie.

Questi sono i principi che saranno contenuti nel quadro normativo di riferimento il cui compito sarà quello di infondere fiducia, sicurezza, equità e trasparenza con la forte raccomandazione per gli operatori e stakeholder che l’intelligenza artificiale sia sempre incentrata sull’etica e non solo sul profitto economico e che la tecnologia sia sempre al servizio dell’uomo.

WHITEPAPER
Vuoi aggiungere valore ai tuoi prodotti? Scopri com'è possibile con l’Intelligenza Artificiale
Big Data

 

FacebookTwitterLinkedIn