Per chi vuole approfondire

Risonanza magnetica o Tomografia computerizzata (TAC)? Ecografia oppure Medicina nucleare? Come si diagnostica il cancro?

Negli Stati Uniti gli scienziati del Mit (Massachusetts Institute of Technology) affidano a una Sibilla, di mitologica cumana memoria, il compito di inaugurare una nuova, rivoluzionaria era della diagnostica. A loro dire, enormemente più accurata e con capacità predittive senza precedenti. Non a caso questa rivoluzione prende proprio il nome di “Sybil” ma, alle singolari virtù della leggendaria profetessa, privilegia un innovativo sistema di Intelligenza Artificiale (IA) capace di “leggere” le Tc, in particolare quelle ai polmoni e al seno, nei dettagli infinitesimali, tanto da poter selezionare e prevedere le aree in cui si formerà un tumore con uno, tre o persino cinque anni di anticipo.

In ambito diagnostico, i vari sistemi di Intelligenza Artificiale (IA) hanno sempre maggiore spazio. Numerosi studi, infatti, ne hanno  dimostrato la grande utilità quale supporto dei medici e di vari specialisti nel formulare diagnosi sempre più precise, rapide ed accurate. Rimane irrisolto, invece, il quesito fondamentale, ovvero se i sistemi di Intelligenza Artificiale possano sostituire e, in prospettiva, superare l’uomo. Nella prima  sistematica rivisitazione e metanalisi di confronto tra sistemi di deep learning artificiale e professionisti sanitari, basata su 31.587 studi, si è evidenziata una sostanziale equivalenza di performance tra intelligenza artificiale e medici.

Vediamo invece cosa accade, in dettaglio, riguardo all’utilizzo di sistemi di intelligenza artificiale in tre ambiti specifici della medicina.

1- Intelligenza Artificiale in oncologia: lo studio WFO

IBM  ha lanciato diversi progetti in ambito medico. Tra questi: Watson for Genomics, Watson for Drug Discovery e Watson for Clinical Trial Maching.

In ambito oncologico, IBM ha altresì realizzato Watson for Oncology, uno dei casi più noti dell’impiego dell’Intelligenza Artificiale in medicina, evoluzione dei tradizionali sistemi di supporto decisionali. Si tratta di un sistema esperto computerizzato, addestrato dagli oncologi del prestigioso Memorial Sloan Kettering Cancer Center di New York attraverso la somministrazione di protocolli terapeutici e regole per imparare ad applicarli nelle diverse possibili casistiche. Utilizzato, a pagamento, in decine di centri ospedalieri sparsi in tutto il mondo, dalla Corea del Sud alla Slovacchia, dall’India alla Florida, ne supporta l’attività clinica confrontando i dati dei pazienti con la letteratura prodotta dalle riviste mediche, le linee guida internazionali e con lo “storico” di casi simili reali affrontati in passato.

 Il fine è determinare la cura più appropriata per il singolo paziente, tenendo conto dell’efficacia delle terapie e degli eventuali effetti collaterali delle stesse.

 Vediamo però i 7 limiti e i rischi più importanti di questo rivoluzionario sistema diagnostico:

1. algoritmi basati su numeri relativamente piccoli, con dati molto limitati rispetto al mondo reale;
2. possibili bias o errori metodologici: i dati utilizzati per addestrare il sistema, e anche i protocolli terapeutici implementati usati come standard, provengono dalle storie cliniche dei pazienti americani e sono basati prevalentemente su studi e linee guida statunitensi che possono portare a problematiche di riproducibilità in altre popolazioni e contesti, anche economici;
3. attuale numero limitato di tipologie tumorali che il sistema è in grado di riconoscere;
4. difficoltà a istruire nuovamente il sistema ogni volta che le linee guida e gli studi su cui basa le sue decisioni cambiano completamente o vengono comunque aggiornate;
5. carenza di studi clinici randomizzati pubblicati su riviste peer-reviewed che ne dimostrino l’affidabilità e/o la maggiore efficacia su esiti clinici rispetto ai sistemi tradizionali;
6. pericolo di sovraffidamento e di eccessiva dipendenza da tali sistemi che potrebbero avere seri effetti di dequalificazione e desensibilizzazione dei medici al contesto clinico;
7. questioni etiche quali, ad esempio, l’ utilizzo di un sistema di intelligenza artificiale per prendere decisioni sulle cure di fine vita oppure grandi perplessità in caso di dialogo tra due sistemi di intelligenza artificiale in una lingua sconosciuta all’uomo.

Sistemi di Intelligenza Artificiale basati sul “natural language processing” possono analizzare i dati sugli esiti clinici riportati dai pazienti in maniera più precisa e personalizzata rispetto ai tradizionali questionari. I dati, peraltro, sono attualmente preliminari e richiedono ulteriori verifiche prima di essere immessi sul mercato.

2- Intelligenza Artificiale e tumori al seno

Un altro importante ambito di studio dei sistemi di IA è lo screening mammografico, che ha l’obiettivo di diagnosticare le neoplasie mammarie in fase precoce, in assenza di segni evidenti di malattia, quando il trattamento può ottenere i migliori risultati. L’interpretazione delle mammografie è, peraltro, caratterizzata da possibili falsi positivi e falsi negativi. La fisiologica densità radiologica mammaria può, infatti, mascherare quella tumorale. Sono inoltre inevitabili gli errori degli esaminatori. Ciò ha sviluppato un grande interesse per la realizzazione di sistemi di Intelligenza Artificiale in grado di migliorare le performance diagnostiche dei radiologi.

Un esempio è il sistema di Intelligenza Artificiale sviluppato da Google che, secondo uno studio pubblicato sulla prestigiosa rivista Nature, sarebbe in grado di ridurre, utilizzando database statunitensi e britannici, i falsi positivi rispettivamente del 5,7% e dell’1,2% e i falsi negativi rispettivamente del 9,4% e 2,7%. Il sistema di IA ha fornito performance superiori sia a quelle storiche di referti consultati in precedenza sugli stessi database, che a quelle di 6 radiologi che hanno interpretato 500 immagini radiologiche selezionate casualmente in uno studio controllato.

“Abbiamo mostrato ai radiologi le mammografie e abbiamo chiesto loro di verificare la presenza di un tumore. Poi le abbiamo date “in pasto” all’Intelligenza Artificiale e abbiamo chiesto di effettuare la stessa verifica”, ha spiegato a tal  proposito Mozziyar Etemadi della Northwestern University. L’IA è risultata più accurata dei radiologi, perché – ha commentato il coautore dello studio – a differenza degli esseri umani, i computer non si stancano e non si distraggono (come può accadere ad ogni essere umano) verso la fine di una lunga giornata di lettura di mammografie”. E sull’importanza della ricerca ai fine della prevenzione, ha precisato come “il cancro al seno sia una delle maggiori cause di mortalità per cancro nelle donne. Trovare il cancro prima significa che può essere più piccolo e più facile da trattare. Speriamo –  ha proseguito Etemadi – che è anche un medico della Northwestern Medicine e membro del Cancer Center della Northwestern University – che tutto ciò, alla fine, potrà salvare molte vite”.

“I computer sono davvero bravi in ​​queste attività”, ha affermato Scott McKinney, un ingegnere del software di Google e coautore principale della ricerca. Speriamo che un giorno questo strumento per i radiologi diventi onnipresente come il controllo ortografico mentre scriviamo le e-mail”.

Occorre, però, restare in guardia da possibili entusiasmi: il mondo reale è più complesso di quello “ideale e irreale” della ricerca. A tal proposito, ad esempio, si deve tener conto che, nel suddetto studio, la maggior parte delle immagini sono state realizzate dalla stessa macchina. Non si conoscono, quindi, i risultati che si sarebbero potuti ottenere con altri apparecchi per le mammografie. Inoltre, sarebbe importante conoscere le performance della IA rispetto alle due diverse tipologie di mammografi utilizzati, la tomosintesi (mammografia 3D) e la digitale convenzionale (2D), caratterizzati da diverse prestazioni. Nello studio, infine, tranne l’età, non sono ben definite le altre caratteristiche della popolazione, indispensabili per la generalizzabilità e l’applicabilità della tecnologia.

E’ lo stesso Etemadi – peraltro – a invitare alla prudenza: “Anche se questa è una ricerca entusiasmante in fase iniziale – ha affermato il medico e coautore della ricerca – è necessaria la convalida in studi futuri per comprendere meglio come modelli come questi possano essere efficacemente integrati nella pratica clinica. In alcuni esempi – ha proseguito – l’essere umano supera l’IA, ma in altri accade l’opposto. L’obiettivo finale sarà trovare il modo migliore per combinare le due realtà: per il momento – ha chiarito – la ‘magia’ del cervello umano non potrà essere sostituita da nulla”.

Riepilogando, possiamo affermare che le grandi speranze nella diagnostica-computer-assistita del tumore al seno, sollevate da studi sperimentali e dalla disponibilità di enormi database per l’addestramento degli algoritmi di machine learning (ML), non sono state fino ad oggi confermate da studi nel “mondo reale”. In particolare, è stato rilevato un peggioramento della sensibilità, cioè della capacità dei radiologici di evidenziare la presenza della neoplasia, con aumento dei falsi negativi, senza peraltro migliorare la specificità, cioè la capacità degli specialisti di escludere la presenza della neoplasia e, quindi, incrementando i falsi positivi

3- L’Intelligenza Artificiale in cardiologia

La diagnostica degli elettrocardiogrammi con lettura automatica risale ad alcuni decenni fa, peraltro con risultati di scarso rilievo. L’utilizzo di sistemi di Intelligenza Artificiale ha invece mostrato ottima sensibilità (93%) e specificità (90%) nella diagnostica delle sindromi coronariche acute, paragonabile a quelle dei cardiologi.

I dati sui quali si basa il trattamento della fibrillazione atriale (FA) sono quelli relativi alla presentazione clinica e, quindi, occorrono studi per capire quali popolazioni sottoporre a screening e quali casi di FA occulta richiedono effettivamente un trattamento. Nell’ambito dell’ecocardiografia, gli algoritmi artificiali hanno fornito risultati migliori rispetto a quelli di gruppi di cardiologi esperti, ma solo in ambito sperimentale: i sistemi di IA sono anche in grado di quantificare altri parametri come le stenosi vascolari e l’ischemia coronarica (infarto), evitando misure diagnostiche e terapeutiche invasive. In uno studio retrospettivo, l’Intelligenza Artificiale ha mostrato grande accuratezza nella diagnostica della cardiomiopatia ipertrofica, dell’amiloidosi cardiaca e dell’ipertensione polmonare.

Esistono anche stetoscopi “intelligenti” che possono analizzare suoni cardiaci e polmonari per una profilazione personale dei pazienti. In futuro, è quindi ipotizzabile che i cardiologi potranno cogliere informazioni, nascoste ai sensi umani, capaci di diagnosticare anticipatamente eventi cardiaci di una certa rilevanza patologica.

Conclusioni

Riguardo alle applicazioni diagnostiche, è importante sottolineare due caratteristiche peculiari dell’ intelligenza artificiale applicata alla medicina. Da un lato, occorre ricordare che obiettivi che oggi appaiono irraggiungibili potrebbero essere raggiunti tra pochi mesi grazie al travolgente progresso dell’Intelligenza artificiale mediante l’uso di reti neurali e computer quantistici: un esempio tra tutti è l’AlphaFold di Google, un sofisticato sistema di reti neurali che ha stupito il mondo scientifico e non rivelando, in pochi mesi, la struttura di migliaia di proteine umane. Attenzione però che, dall’altro lato, in ambito clinico-epidemiologico, anche le ricerche più raffinate sono limitate dal fatto che la loro validità è accertata solo per quel dato campione, in quel particolare contesto e con quella precisa metodica: in alcuni casi, infatti, poche e semplici modifiche possono cambiare radicalmente i risultati.

Ancora una volta, dunque, occorre verificare tutto con quel gelatinoso organo di 1400 grammi  

Fonti: 

L’intelligenza artificiale applicata alla medicina: potenzialità, limiti e rischi – Healthtech360