Ottime notizie per la ricerca contro il tumore al seno. Secondo uno studio pubblicato ieri su Radiology – una rivista della Radiological Society of North America (RSNA) – un algoritmo di intelligenza artificiale utile allo screening avrebbe il potenziale per migliorare le prestazioni della tomosintesi digitale del seno (DBT), riducendo l’insorgenza di tumori di intervallo fino a un terzo.
I tumori al seno che si manifestano tra due controlli mammografici di routine, noti come tumori intervallari, tendono ad avere prognosi meno favorevoli a causa della loro natura biologica più aggressiva e della crescita rapida. La tomosintesi digitale del seno può offrire una visione più dettagliata delle anomalie mammarie e consentire l’identificazione di neoplasie che potrebbero essere occultate da tessuti particolarmente densi. Tuttavia, essendo una tecnica di screening avanzata introdotta relativamente di recente, le evidenze a lungo termine sugli effetti clinici risultano ancora scarse, soprattutto nelle istituzioni che hanno adottato la DBT solo di recente.
L’autrice dello studio Manisha Bahl, MD, MPH, direttrice della qualità della divisione di imaging mammario e co-responsabile del servizio presso il Massachusetts General Hospital e professore associato presso la Harvard Medical School, ha affermato che: “Data la mancanza di dati a lungo termine sulla mortalità correlata al cancro al seno misurata su 10 o più anni dopo l’inizio dello screening DBT, il tasso di cancro nell’intervallo è stato spesso utilizzato come marcatore surrogato” aggiungendo poi “si presume che abbassare questo tasso riduca la morbilità e la mortalità correlate al cancro al seno”.
Lo studio svolto su 1.376 casi, ha condotto la Bahl e i suoi colleghi ad analizzare retrospettivamente 224 tumori interstiziali in 224 donne sottoposte a screening DBT. In questi esami DBT, l’algoritmo di intelligenza artificiale (Lunit INSIGHT DBT v1.1.0.0) ha localizzato correttamente il 32,6% (73/224) dei tumori precedentemente non rilevati. Un risultato sorprendente anche per i ricercatori: “Il mio team e io siamo rimasti sorpresi nello scoprire che quasi un terzo dei tumori intermittens è stato rilevato e localizzato correttamente dall’algoritmo dell’intelligenza artificiale su mammografie di screening che erano state interpretate come negative dai radiologi, evidenziando il potenziale dell’intelligenza artificiale come prezioso secondo lettore” ha dichiarato la Bahl, che ha successivamente spiegato che: “Diversi studi hanno esplorato l’uso dell’intelligenza artificiale per rilevare i tumori dell’intervallo durante gli esami di screening mammografico digitale bidimensionale, ma a nostra conoscenza nessuna letteratura pubblicata in precedenza si è concentrata sull’uso dell’intelligenza artificiale per rilevare i tumori dell’intervallo durante la DBT”.
Questa sarebbe infatti la prima ricerca pubblicata ad esaminare specificamente l’assistenza dell’intelligenza artificiale nella rilevazione dei tumori intervallari negli esami di screening DBT. Inoltre, per evitare di sopravvalutare la sensibilità dell’algoritmo di intelligenza artificiale, il team di ricercatori ha utilizzato un’analisi specifica per lesione che “attribuisce il merito” all’algoritmo di intelligenza artificiale solo quando identifica e localizza correttamente il sito esatto del cancro perché, come riferisce la ricercatrice: “Al contrario, un’analisi a livello di esame attribuisce all’intelligenza artificiale il merito di qualsiasi esame positivo, anche se la sua annotazione è errata o non correlata all’effettiva sede del tumore, il che potrebbe aumentare la sensibilità dell’algoritmo”
“Concentrarsi sull’accuratezza a livello di lesione fornisce un’immagine più accurata delle prestazioni cliniche dell’algoritmo di intelligenza artificiale” ha affermato la Bahl che, osservando come i tumori rilevati dall’algoritmo tendevano a essere più grandi e avevano maggiori probabilità di essere positivi ai linfonodi, ha sottolineato: “Questi risultati suggeriscono che l’intelligenza artificiale potrebbe rilevare preferenzialmente tumori più aggressivi o in rapida crescita, oppure identificare tumori non rilevati che erano già in fase avanzata al momento dello screening”.
Su 1.000 pazienti, inclusi quelli con tumori veri positivi in base all’esame istologico e quelli con esiti veri negativi e falsi positivi in base al follow-up a un anno, l’algoritmo ha localizzato correttamente l’84,4% di 334 tumori veri positivi. Ha inoltre classificato correttamente come negativi l’85,9% di 333 casi veri negativi e il 73,2% di 333 casi falsi positivi. “Il nostro studio dimostra che un algoritmo di intelligenza artificiale può rilevare retrospettivamente e localizzare correttamente quasi un terzo dei tumori al seno intercalari durante gli esami di screening DBT, suggerendo il suo potenziale per ridurre il tasso di tumori intercalari e migliorare i risultati dello screening”, ha affermato Bahl. “Questi risultati supportano l’integrazione dell’intelligenza artificiale nei flussi di lavoro dello screening DBT per migliorare la rilevazione del cancro, ma il suo impatto nel mondo reale dipenderà in ultima analisi dall’adozione e dalla convalida da parte dei radiologi in diversi ambienti clinici”.
