Il cancro del polmone è la principale causa di morte per cancro sia negli uomini che nelle donne (circa il 25%).
Le persone a maggior rischio di cancro ai polmoni, come i forti fumatori, possono essere sottoposte a screening con una TAC polmonare a basso dosaggio. I risultati di ampi studi di screening indicano che la mortalità per cancro ai polmoni può essere ridotta in modo significativo. Ciò è particolarmente vero quando i (potenziali) tumori vengono rilevati in una fase iniziale. Quindi la possibilità di un trattamento di successo è maggiore.

Tuttavia, il problema con questo metodo è che la maggior parte dei piccoli noduli visibili su tali scansioni TC non sono tumori della palpebra, ma noduli benigni. Può essere lasciato solo, mentre vuoi curare il nodulo maligno. Ciò rende estremamente importante essere in grado di distinguere correttamente tra queste due variabili.

L’apprendimento profondo predice il cancro ai polmoni

Per lo studio pubblicato su Radiology, sviluppatore Ricercatori di Radboudumc Algoritmo di valutazione del nodulo polmonare di deep learning. Questa tecnologia di intelligenza artificiale è sempre più in grado di trovare e riconoscere modelli nelle immagini disponibili. I ricercatori hanno addestrato l’algoritmo mostrando immagini in sezione trasversale di oltre 16.000 nodi dal National Lung Scans Experiment (USA). Dei noduli, 1.249 erano maligni.

Dopo che l’algoritmo ha completato la sua formazione professionale utilizzando questi dati, è stato testato su tre file di grandi dimensioni contenenti dati di immagine per i noduli dal Danish Lung Cancer Screening Study, il Danish Lung Cancer Screening Trial. La convalida del nuovo set di dati è un passo comune nella ricerca, che dovrebbe dimostrare quanto bene funziona l’algoritmo nella pratica.

buona performance

L’algoritmo di apprendimento profondo funziona molto bene, afferma Colin Jacobs, ricercatore del dipartimento di radiologia e medicina nucleare e coordinatore dello studio. Ad esempio, ha superato il modello Pan-Canada per la diagnosi precoce del cancro ai polmoni, che ha anche stimato il rischio di sviluppare metastasi nei noduli polmonari. Ha funzionato in modo simile agli 11 medici che hanno esaminato i dati, inclusi quattro radiologi polmonari, cinque radiologi e due pneumologi “.

Kiran Vidhya Vinkadish, autore principale dell’articolo e ricercatore del Diagnostic Image Analysis Group di Radboudumc, sottolinea che l’algoritmo può aiutare i radiologi a stimare con precisione il rischio di sviluppare noduli polmonari maligni, migliorando così lo screening del cancro del polmone.

Meno differenze di interpretazione

L’algoritmo riduce anche la possibilità di interpretazioni diverse che a volte possono verificarsi ora tra i radiologi, aggiunge Jacobs. “Inoltre, può portare a un minor numero di interventi diagnostici non necessari e possibilmente un carico di lavoro inferiore per i radiologi e ridurre i costi di screening del cancro del polmone”.

I ricercatori vogliono migliorare ulteriormente l’algoritmo includendo altri dati che potrebbero influenzare la diagnosi, come l’età, il sesso e la storia del fumo. Il presente algoritmo è adatto principalmente per l’analisi dei noduli durante il primo esame iniziale.

Jacobs: “Se vengono trovati noduli negli esseri umani nei successivi cicli di scansione, la crescita e l’aspetto di quei noduli è importante rispetto alle precedenti scansioni TC. Ora stiamo lavorando a un algoritmo di apprendimento profondo in cui lo sviluppo è anche incorporato in questi noduli, basato su scansioni TC. Multicanale computerizzato, rischio adeguatamente valutato “.

Intelligenza artificiale per diagnosi e previsione

Le applicazioni di intelligenza artificiale sono sempre più utilizzate nella diagnosi e nella previsione. Ad esempio, il Leiden University Medical Center (LUMC) fa ricerca di recente Insieme a Healthplus.ai, se il rischio di infezione dopo l’intervento chirurgico può essere previsto con l’aiuto dell’intelligenza artificiale. Pompiere e medico di Colonia L’ha avuto di recente Ha sviluppato un modello di intelligenza artificiale ad autoapprendimento in grado di prevedere lo stress in un pronto soccorso. In questo modo, i team di pronto soccorso possono garantire che nei momenti in cui è probabile che diventino più impegnati, ci sia capacità sufficiente per essere in grado di garantire i tempi di arrivo previsti dalla legge.

Ricerca in radiologia: Apprendimento profondo per stimare il rischio maligno di noduli polmonari rilevati in TC a basse dosi Kiran Vidhya Finkadish, Arnaud A. un. Seto, Anton Schroeder, Ernst T.Schulten, Kaman Chung, Mathilde MW Wiley, Zigam Seghim, Bram Van Jenken, Matthias Prokop, Colin Jacobs.