Tumore alla tiroide, più facile la diagnosi con l'intelligenza artificiale “combinata”

Tumore alla tiroide, più facile la diagnosi con l'intelligenza artificiale “combinata”
Dalla lettura delle immagini ecografiche il sistema riconosce fino al 97,8% i noduli tiroidei maligni e riesce a predire con elevata accuratezza anche lo stadio del tumore e la presenza di particolari mutazioni
1 minuti di lettura

Una nuova Intelligenza Artificiale (IA) "combinata" sembra in grado di rilevare in modo molto accurato la presenza di un cancro alla tiroide e di fare previsioni sulle caratteristiche della malattia sia dal punto di vista patologico che genomico. Tutto analizzando immagini ecografiche di routine: un metodo che promette di effettuare screening, stadiazione del tumore e pianificazione di trattamenti personalizzati a basso costo e in modo non invasivo.

Un sistema di IA combinato

Come illustrato durante il Simposio multidisciplinare sui tumori testa-collo dal team del Massachusetts General Hospital e Harvard Medical School che l'ha sviluppata, la nuova IA mette insieme diversi metodi di apprendimento automatico (machine learning): la radiomica, che permette di estrapolare informazioni quantitative come forma e volume dalle immagini mediche; l'analisi dei dati topologici (Tda); un sistema di deep learning basato su algoritmi che analizzano dati su più livelli di una rete neurale; un algoritmo di analisi dei modelli Ti-Rads (una classificazione per descrivere i noduli tiroidei durante l'esame ecografico).

Apprendimento automatico: 4 è meglio di 1

Il sistema è stato addestrato su centinaia di immagini ecografiche di noduli tiroidei sospetti, sia maligni che benigni. Un altro set di immagini è stato poi utilizzato per convalidarne l'accuratezza, ottenuta confrontando i risultati restituiti dalla IA e quelli delle diagnosi con metodi tradizionali (biopsie, referti operatori, sequenziamento genomico).

I quattro metodi combinati hanno diagnosticato in modo accurato il 98,7% dei noduli tiroidei maligni utilizzati per i test interni, superando i risultati raggiunti da ciascun metodo usato singolarmente. In particolare la sola radiomica è in grado di identificare correttamente l'89% dei tumori maligni, il deep learning l'87%, la Tda l'81% e il machine learning basato su Ti-Rads l'80%. L'accuratezza testata su set di immagini esterne scende leggermente (93%).
Anche l'accuratezza nel predire lo stadio della patologia secondo la classificazione Tnm risulta elevato (93% per lo stadio T, 89% per lo stadio N e 98% per lo stadio M).

"Abbiamo sviluppato una piattaforma di intelligenza artificiale che esamina le immagini ecografiche e predice con elevata precisione se un nodulo tiroideo potenzialmente problematico è canceroso", spiega Annie Chan del Mass General Hospital. "Se è canceroso, possiamo prevedere ulteriormente lo stadio del tumore, il coinvolgimento linfonodale e la presenza o assenza di mutazione BRAF".