L’intelligenza artificiale rappresenta una sfida per la medicina, in quanto permette di prevedere le malattie utilizzando un computer. Il software Sybil, testato negli Stati Uniti, è in grado di calcolare il rischio di cancro ai polmoni entro 6 anni. Secondo Giorgio Metta, direttore scientifico dell’Iit di Genova, l’intelligenza artificiale può contribuire a risolvere molti problemi interessanti nel campo della medicina e della salute umana. L’AI è in grado di analizzare le tomografie computerizzate del torace e di vedere ciò che l’occhio umano non è in grado di vedere. Questo è quanto dichiarato da Regina Barzilay del Jameel Clinic — «Sybil è in grado di osservare un’immagine e di prevedere il rischio che un individuo sviluppi un cancro ai polmoni entro sei anni»
Giorgio Metta ha dichiarato «l’aspetto meno interessante nello sviluppo dell’intelligenza artificiale forse è proprio quello di riproduzione dell’intelligenza umana. Le scienze della vita, la medicina, la salute umana, l’ambiente e l’industria dove l’intelligenza artificiale può contribuire a risolvere tantissimi problemi interessanti».
I ricercatori del Massachusetts General Hospital hanno sviluppato uno strumento di intelligenza artificiale chiamato “Sybil” in grado di prevedere con precisione il rischio di cancro ai polmoni in individui con o senza una significativa storia di fumo fino a sei anni.
L’American Cancer Society stima oltre 100.000 nuovi decessi per cancro ai polmoni negli Stati Uniti nel 2023. L’attuale standard di screening per la malattia è la tomografia computerizzata del torace a basso dosaggio (LDCT), raccomandata per le persone di età compresa tra i 50 e gli 80 anni con un significativo storia del fumo. Tuttavia, poiché i casi di cancro al polmone stanno iniziando ad aumentare tra i non fumatori, sono necessarie nuove strategie di screening.
In un rapporto sul Journal of Clinical Oncology , i ricercatori del Massachusetts General Hospital hanno sviluppato e testato uno strumento di intelligenza artificiale chiamato “Sybil” utilizzando i dati del National Lung Screening Trial , uno studio multicentrico randomizzato che confronta l’LDCT con la radiografia del torace nello screening di individui per i primi rilevazione del cancro del polmone.
Gli scienziati hanno ipotizzato che le immagini LDCT contenessero informazioni predittive del futuro rischio di cancro al polmone al di là delle caratteristiche attualmente identificabili come i noduli polmonari. Sybil utilizza le immagini della scansione LDCT per localizzare correttamente la posizione di futuri tumori e determinare la probabilità che una scansione LDCT possa essere considerata ad alto rischio riconoscendo strutture patogene che non sono visibili all’occhio umano.
“Sybil richiede un solo LDCT e non dipende dai dati clinici o dalle annotazioni del radiologo. È stato progettato per funzionare in tempo reale sullo sfondo di una stazione di lettura radiologica standard che consente il supporto decisionale clinico del punto di cura “, ha affermato Florian Fintelmann, MD, Dipartimento di radiologia presso il Massachusetts General Hospital e coautore dello studio.
I ricercatori hanno convalidato Sybil utilizzando diversi set di dati LDCT indipendenti, inclusi individui con una serie di precedenti di fumo e quelli senza. Secondo il team, il modello di intelligenza artificiale è stato in grado di prevedere con precisione il rischio di cancro ai polmoni in tutti i set di dati.
Utilizzando un test in grado di distinguere tra malattia e campioni normali chiamato “Area sotto la curva” con un punteggio massimo di 1,0, Sybil ha predetto correttamente il cancro ai polmoni entro un anno con un punteggio di 0,92 e un punteggio di 0,75 per il rischio di cancro ai polmoni entro sei anni . I ricercatori osservano che lo studio è retrospettivo e che saranno necessari studi futuri con dati più nuovi e diversificati per convalidare ulteriormente il modello.
“Nel nostro studio, Sybil è stata in grado di rilevare modelli di rischio dall’LDCT che non erano visibili all’occhio umano. Siamo entusiasti di testare ulteriormente questo programma per vedere se può aggiungere informazioni che aiutino i radiologi con la diagnostica e ci metta sulla strada per personalizzare lo screening per i pazienti “, ha concluso il coautore e direttore del Center for Innovation in Early Cancer Detection Lecia Sequist.
