L’intelligenza artificiale per ottimizzare la Tac
Realizzato un modello per l’analisi automatizzata delle immagini Tac mediante
algoritmi di intelligenza artificiale. La ricerca è frutto di una collaborazione
tra Cnr-Iccom, Università di Firenze, A.O.U. Careggi, Azienda Usl Toscana
centro, Istituto Superiore di Sanità, Fondazione Bruno Kessler e Uniser Pistoia.
Pubblicata sul Journal of Medical Imaging, permetterà di perfezionare i livelli
di radiazioni da somministrare ai pazienti
Rappresentazione schematica di un algoritmo di intelligenza artificiale,
basato su una rete neurale artificiale, sviluppato per predire la presenza e la
posizione di lesioni artificiali nelle immagini Tc del fantoccio. A destra, le
prestazioni dei medici radiologi nel riconoscimento delle lesioni artificiali (in
rosso),
replicate fedelmente dalla rete neurale artificiale (in blu)
Un gruppo di ricercatori, fisici medici e radiologi del Dipartimento di fisica e
astronomia dell’Università di Firenze, dell’Azienda ospedaliero-universitaria
Careggi, e dell’Azienda Usl Toscana centro, guidato dalla dott.ssa Sandra Doria
dell’Istituto di chimica dei composti organo metallici del Consiglio nazionale
delle ricerche di Firenze (Cnr-Iccom), è riuscito ad automatizzare il processo
di valutazione della qualità d’immagine negli esami di tomografia computerizzata
(Tc) utilizzando l’intelligenza artificiale, allo scopo di ridurre le radiazioni
al paziente. Al progetto, la cui modalità è stata descritta in uno studio
pubblicato sul Journal of Medical Imaging (JMI), hanno collaborato anche
l’Istituto superiore di sanità e la Fondazione Bruno Kessler di Trento,
utilizzando le risorse computazionali messe a disposizione da Uniser Pistoia.
La tomografia computerizzata è uno degli strumenti diagnostici più potenti e
consolidati tra quelli a disposizione della medicina moderna. Tuttavia,
l’analisi manuale delle immagini che vengono prodotte attraverso questa
metodologia richiede molto tempo e la loro qualità è direttamente proporzionale
alla quantità di radiazioni a raggi X a cui un paziente deve essere sottoposto
per lo scopo. “Il nostro gruppo ha creato un algoritmo, analizzando i dati
generati dall’esame visivo che diversi medici radiologi hanno effettuato su
immagini Tc di un fantoccio, realizzato allo scopo di replicare le
caratteristiche dei tessuti umani e la presenza di lesioni artificiali.
Successivamente, sono stati sviluppati due modelli di intelligenza artificiale
che sono stati addestrati e testati attraverso l’utilizzo delle immagini e delle
risposte dei medici raccolte precedentemente”, spiega Sandra Doria (Cnr-Iccom),
coordinatrice della ricerca.
Questi modelli potrebbero rappresentare una strategia di valutazione automatica
della qualità di un’immagine Tc, che consentirà di ottimizzare il dosaggio delle
radiazioni, per non esporre i pazienti a una quantità di raggi X eccessiva.
“Durante i trattamenti o le procedure diagnostiche, un paziente deve essere
esposto a livelli minimi di radiazioni, secondo il principio noto ‘as low as
reasonably achievable’ (ALARA). In quest’ottica, il personale medico deve
trovare un compromesso tra l'esposizione ai raggi X e l'ottenimento di immagini
di buona qualità, anche per evitare diagnosi errate. I risultati che abbiamo
ottenuto attraverso questo studio sono molto promettenti: i nostri modelli
possono identificare con accuratezza un oggetto inserito nel fantoccio, come
sarebbe in grado di fare un medico radiologo. Auspichiamo, nel prossimo futuro,
di riuscire ad applicare questi modelli su una scala più ampia e a rendere le
valutazioni ancora più veloci e sicure, semplificando notevolmente il processo
di ottimizzazione della dose di radiazioni utilizzata nei protocolli Tc. Questo
aspetto è fondamentale per ridurre i rischi per la salute del paziente e per
ottimizzare le tempistiche delle valutazioni mediche”, ha concluso Doria.