Tumore del polmone, l’intelligenza artificiale può guidare la radioterapia

Tumore del polmone, l’intelligenza artificiale può guidare la radioterapia
Sviluppato nel Regno Unito, l’algoritmo identifica e circoscrive le cellule malate più velocemente rispetto ai medici. Potrebbe aiutare a capire meglio e prima dove colpire il tumore con la radioterapia
2 minuti di lettura

Integrare l'uso dell'intelligenza artificiale (IA) in campo medico non è semplice: l'affidabilità, l'esperienza clinica e la precisione dell'occhio umano sono, ad oggi, insostituibili. Ci sono, però, alcune procedure molto lunghe da eseguire manualmente, e nelle quali un aiuto da parte dell'intelligenza artificiale consentirebbe di alleggerire il carico di lavoro sui medici, da un lato, e di accelerare l'inizio delle terapie, dall'altro.

Un esempio? La valutazione dei tessuti da trattare con la radioterapia. Proprio a questo fine un team di medici e ricercatori del Programma di Intelligenza Artificiale in Medicina del Mass General Brigham (Regno Unito) ha lavorato per creare un algoritmo affidabile. Stando a quanto raccontano sulle pagine di Lancet Digital Health, gli esperti hanno messo a punto un'intelligenza artificiale in grado di identificare e delineare ("segmentare" in gergo) in pochi secondi un tumore del polmone non a piccole cellule (Nsclc) sulle immagini di una TAC. Le prestazioni sarebbero paragonabili in termini di qualità e affidabilità della diagnosi a quelle ottenute dai medici, ma l'algoritmo consente di raggiungere l'obiettivo impiegando il 65% del tempo in meno.

L'importanza di velocizzare la pianificazione della terapia

L'efficacia della radioterapia come principale strumento di cura di alcune forme tumorali, tra cui il cancro al polmone non a piccole cellule (Nsclc) dipende molto dalla tempestività con cui si comincia il trattamento e dalla sua adeguata progettazione. Dipende, in sostanza, da quanto accuratamente si scelgono i tessuti da trattare e si escludono quelli sani.

Per scegliere i tessuti invasi dalle cellule cancerogene e i linfonodi coinvolti si usa un processo chiamato segmentazione, che richiede una minuziosa analisi delle immagini tridimensionali raccolte con la TAC per decidere l'area bersaglio.

Il rischio, se il processo di segmentazione lascia fuori regioni già danneggiate, è che il tumore cresca in modo incontrollato; al contrario, cioè se la selezione dei tessuti è troppo generosa, il rischio è di aumentare di molto la tossicità del trattamento radioterapico. Un altro problema, poi, è la soggettività: diversi studi hanno mostrato come la variabilità della valutazione delle immagini da parte di esperti diversi influisca sull'esito delle terapie.

L'aiuto dell'intelligenza artificiale

L'algoritmo di deep learning sviluppato nello studio britannico è stato pensato, innanzitutto, per aiutare la valutazione clinica delle immagini e per velocizzare il processo di segmentazione delle regioni da trattare con la terapia. È stato quindi addestrato a distinguere le cellule tumorali da quelle degli altri tessuti usando immagini di tomografie computerizzate di 787 pazienti.

Gli scienziati ne hanno poi testato le performance sulle scansioni di 1.421 pazienti con vari tipi di tumore, ricalibrando il set di dati necessari ad addestrare correttamente l'algoritmo in base alle sue prestazioni su vari tipi di cellula e tessuti. Infine, i ricercatori hanno chiesto a otto oncologi radiologi di eseguire la segmentazione e di valutare - senza conoscere a priori la provenienza - quelle prodotte da un altro medico esperto o dall'algoritmo.

Un supporto veloce e di qualità

Analizzando i risultati della segmentazione operata dall'algoritmo o manualmente dai radiologi, i medici non hanno riscontrato alcuna differenza. Basarsi sull'analisi condotta dall'intelligenza artificiale per decidere la strategia terapeutica ha però consentito di svolgere il lavoro il 65% più velocemente. Anche la variabilità della valutazione, quando controllata da più occhi esperti, diminuiva se il punto di partenza era la segmentazione dell'algoritmo: in media, sono state apportate il 32% di variazioni in meno rispetto alle segmentazioni prodotte manualmente. Anche la precisione nella scelta dei tessuti da trattare e quelli da scartare, e quindi la definizione dei contorni delle regioni offese, era più alta se disegnata con l'aiuto dell'IA.

I risultati di questo studio, sottolineano gli autori, sono importanti perché dimostrano la possibilità e l'utilità di una collaborazione virtuosa fra uomo e IA in campo medico. Il percorso di cura per il cancro al polmone, per esempio, prevede la radioterapia in quasi la metà dei casi, e attualmente l'individuazione e la pianificazione delle zone da bersagliare può richiedere anche diverse settimane e, considerando l'aumento dell'incidenza di questo e altri tipi di cancro, i tempi potrebbero allungarsi ulteriormente. Riuscire ad avere un metodo di valutazione e diagnosi più veloce e indipendente, quindi, potrebbe essere prezioso in futuro e potrebbe aiutare anche nei casi in cui le valutazioni cliniche sono incerte.