Salesforce afferma che la sua intelligenza artificiale può individuare i segni di cancro al seno con una precisione del 92%
Salesforce ha aperto oggi il sipario su ReceptorNet , un sistema di apprendimento automatico sviluppato dai ricercatori dell’azienda in collaborazione con i medici del Lawrence J. Ellison Institute for Transformative Medicine della USC della University of Southern California. Il sistema, che può determinare un biomarcatore critico per gli oncologi al momento di decidere il trattamento appropriato per i pazienti con cancro al seno, ha raggiunto una precisione del 92% in uno studio pubblicato sulla rivista Nature Communications .
Il cancro al seno colpisce più di 2 milioni di donne ogni anno, con circa una donna su otto negli Stati Uniti che sviluppa la malattia nel corso della propria vita. Nel 2018, solo negli Stati Uniti, ci sono stati anche 2.550 nuovi casi di cancro al seno negli uomini . E i tassi di cancro al seno stanno aumentando in quasi tutte le regioni del mondo.
Nel tentativo di affrontare questo problema, i ricercatori di Salesforce hanno sviluppato un algoritmo, il già citato ReceptorNet, in grado di prevedere lo stato dei recettori ormonali da immagini di tessuti poco costose e ubiquitarie. In genere, le cellule di cancro al seno estratte durante una biopsia o un intervento chirurgico vengono testate per vedere se contengono proteine che agiscono come recettori degli estrogeni o del progesterone. (Quando gli ormoni estrogeni e progesterone si attaccano a questi recettori, alimentano la crescita del cancro.) Ma questi tipi di immagini bioptiche sono meno disponibili e richiedono una revisione da parte di un patologo.
In contrasto con il processo immunoistochimico favorito dai medici, che richiede un microscopio e tende ad essere costoso e non facilmente disponibile in alcune parti del mondo, ReceptorNet determina lo stato del recettore ormonale tramite la colorazione dell’ematossilina e dell’eosina (H&E), che tiene conto della forma, dimensione e struttura delle cellule. I ricercatori di Salesforce hanno addestrato il sistema su diverse migliaia di diapositive di immagini H&E di pazienti affetti da cancro in “dozzine” di ospedali in tutto il mondo.
La ricerca ha dimostrato che molti dei dati utilizzati per addestrare algoritmi per la diagnosi delle malattie possono perpetuare le disuguaglianze. Recentemente, un team di scienziati britannici ha scoperto che quasi tutti i set di dati sulle malattie degli occhi provengono da pazienti in Nord America, Europa e Cina, il che significa che gli algoritmi di diagnosi delle malattie degli occhi hanno meno probabilità di funzionare bene per i gruppi razziali di paesi sottorappresentati. In un altro studio, i ricercatori della Stanford University hanno identificato la maggior parte dei dati statunitensi per gli studi che coinvolgono usi medici dell’IA come provenienti da California, New York e Massachusetts.
Ma Salesforce afferma che quando ha analizzato ReceptorNet per i segni di pregiudizi legati a età, razza e vettori geografici, ha scoperto che non c’era staticamente alcuna differenza nelle sue prestazioni. Dicono anche che ha fornito previsioni accurate indipendentemente dalle differenze nella preparazione dei campioni di tessuto analizzati.
Salesforce ritiene che sistemi come ReceptorNet potrebbero, se implementati clinicamente, aiutare a ridurre i costi delle cure e il tempo necessario per iniziare il trattamento del cancro al seno, migliorando la precisione e offrendo migliori risultati di salute per i pazienti. A breve termine, ReceptorNet getta le basi per studi futuri che confrontano il flusso di lavoro clinico dei patologi con e senza questo tipo di AI, che potrebbe aiutare a rivelarne meglio il potenziale.
Oltre a Salesforce, un certo numero di giganti della tecnologia ha investito – ed è stato criticato – per l’IA che può apparentemente diagnosticare il cancro nel modo più affidabile possibile con gli oncologi. A gennaio, Google Health, la filiale di Google focalizzata su ricerca sanitaria, strumenti clinici e partnership per i servizi sanitari, ha rilasciato un modello di intelligenza artificiale addestrato su oltre 90.000 radiografie mammografiche che, secondo la società, ha ottenuto risultati migliori rispetto ai radiologi umani . Google ha affermato che l’algoritmo potrebbe riconoscere più falsi negativi – il tipo di immagini che sembrano normali ma contengono cancro al seno – rispetto al lavoro precedente, ma alcuni medici, scienziati di dati e ingegneri contestano questa affermazione. In una confutazione, i coautori hanno affermato che la mancanza di metodi e codici dettagliati nella ricerca di Google “mina il suo valore scientifico”.
