Tra i relatori di Wired Health, l’evento dello scorso 15 marzo organizzato a Milano da Wired con la collaborazione scientifica ed editoriale di Humanitas e dedicato alle tecnologie per la salute, anche il professor Arturo Chiti, Responsabile di Medicina nucleare in Humanitas e docente di Humanitas University con un intervento dal titolo “L’immagine dell’intelligenza artificiale”.

La diagnostica per immagini e il riconoscimento di forme

“La diagnostica per immagini si avvale di diverse tecnologie (come radiografie, ultrasuoni, TAC, risonanza magnetica, PET, scintigrafie) con l’obiettivo di vedere all’interno del nostro corpo. Con diagnostica per immagini però intendiamo anche la valutazione dei tessuti e dunque stiamo cercando di integrare anche le immagini che osservano i colleghi patologi.

Il concetto su cui stiamo lavorando e che vorremmo portare avanti nel futuro è utilizzare l’acronimo AI non solo in termini di intelligenza artificiale, ma anche di Augmented Imager, al fine di riuscire a offrire un ausilio a ciò che facciamo tutti i giorni con la diagnostica per immagini ovvero il riconoscimento di forme.

È stato dimostrato che il riconoscimento di forme nel nostro cervello è un meccanismo molto simile, se non uguale, a quello con cui chiamiamo le cose. Quando un radiologo guarda un’immagine, riconosce all’interno di una struttura che conosce qualcosa di anomalo e le dà un nome: può essere per esempio una polmonite, un aneurisma dell’aorta, una frattura, un tumore. Questo processo richiede una grande esperienza, che va trasmessa agli studenti e ai medici in formazione.

Occorre poi provare ad andare oltre il dare un nome alle cose e integrare le informazioni che abbiamo con le altre di cui siamo in possesso (la cartella del paziente, i precedenti dati clinici, i dati ottenuti mediante la visita, le indicazioni fornite dai colleghi). La diagnosi dunque sarà frutto non solo di ciò che vediamo, ma anche di tutte le altre informazioni raccolte”, ha spiegato il prof. Chiti.

Un aiuto dagli algoritmi

“Questo compito può essere svolto anche da algoritmi, che vanno addestrati cosicché possano facilitare i clinici e i radiologi nella diagnosi e nella pianificazione dei trattamenti. L’addestramento ha però dei punti critici: la tecnologia da sola non basta, occorre la capacità di immettere le conoscenze umane al suo interno, altrimenti questa tecnica non avrà successo. È dunque fondamentale che, in questa fase di sviluppo tecnologico esponenziale, riusciamo a offrire un contenuto di qualità, producendo e certificando informazioni che consentano agli algoritmi di imparare in maniera corretta.

Un altro aspetto fondamentale è quello etico: abbiamo a disposizione un’enorme quantità di dati, ma questi sono dei pazienti e dunque occorre prestare attenzione a preservare la qualità dei dati stessi e gli aspetti etici legati alla privacy dei pazienti.

Una volta addestrati, questi algoritmi possono, per esempio, dare un nome alle lesioni e vedere come evolvono nel tempo grazie ad alcune caratteristiche che consentono di riconoscere la lesione sempre uguale a se stessa.

Possono inoltre integrare immagini diverse (TAC o di anatomia patologica), dati clinici, la storia del paziente e le sue abitudini di vita e di fatto possono aiutarci a fare in modo più veloce (e forse con il tempo scopriremo anche in maniera diversa) un’analisi di tutte le informazioni che possiamo avere dal paziente, per il paziente. Questi algoritmi ragionano per similarità e sono in grado di individuare elementi simili e dunque un paziente inquadrato in un gruppo di pazienti simili a sé potrà avere una diagnosi più corretta, con conseguenti migliore terapia, miglior approccio terapeutico, minor ospedalizzazione, minori effetti collaterali e minori costi per la società”, ha precisato il professore.

Lo strumento di Humanitas e Orobix per i tumori del polmone

“Al momento ci stiamo focalizzando sui tumori del polmone e ne abbiamo fatto una classificazione basandoci su immagini TAC e PET. Abbiamo poi messo a punto uno strumento chiamato Radiomix (nato dalla collaborazione tra Humanitas e Orobix) che è in grado di riconoscere le lesioni primitive del polmone di classificare il parametro T in questa patologia. Lo strumento, terminata la fase sperimentale, consentirà quindi di aiutare radiologi e e clinici nella valutazione iniziale dei pazienti affetti da tumore del polmone.

Questo è quello che stiamo facendo e che continueremo a fare nei prossimi anni. Gli algoritmi di intelligenza artificiale sono già una realtà e siamo molto contenti di essere riusciti a realizzare questa esperienza.

In conclusione, occorre sottolineare che non sappiamo esattamente qual è il meccanismo attraverso il quale un algoritmo – seppur ben addestrato su dati certificati – effettui una diagnosi e questo è un altro degli aspetti etici sul quale bisognerà lavorare perché il radiologo dovrà firmare una diagnosi che di fatto è stata effettuata da una macchina. E questo potrebbe essere difficile da spiegare a un paziente: perché sebbene la macchina abbia al suo interno l’esperienza di moltissimi medici, ai suoi occhi resta una macchina. Il futuro è però certamente brillante e sono sicuro che riusciremo a dare un sempre miglior servizio ai nostri pazienti”, ha concluso il professor Chiti.

Guarda l’intervento completo del professor Chiti, clicca qui