Biopsia prostatica con probabilità di cancro (il blu è basso, il rosso è alto). Questo caso è stato originariamente diagnosticato come benigno, ma è stato modificato in cancro dopo un’ulteriore revisione. L’intelligenza artificiale ha rilevato con precisione il cancro in questo caso difficile.
Uno studio pubblicato oggi (27 luglio 2020) su The Lancet Digital Health da UPMC e i ricercatori dell’Università di Pittsburgh dimostra la massima accuratezza fino ad oggi nel riconoscere e caratterizzare il cancro alla prostata utilizzando un programma di intelligenza artificiale (AI).
“Gli esseri umani sono bravi a riconoscere le anomalie, ma hanno i propri pregiudizi o esperienze passate”, ha detto l’autore senior Rajiv Dhir, MD, MBA, patologo capo e vicepresidente di patologia presso UPMC Shadyside e professore di informatica biomedica a Pitt. “Le macchine sono staccate dall’intera storia. C’è sicuramente un elemento di standardizzazione delle cure. “
Per addestrare l’IA a riconoscere il cancro alla prostata, Dhir ei suoi colleghi hanno fornito immagini da più di un milione di parti di vetrini colorati prelevati dalle biopsie dei pazienti. Ogni immagine è stata etichettata da patologi esperti per insegnare all’IA come discriminare tra tessuto sano e anormale. L’algoritmo è stato quindi testato su un set separato di 1.600 vetrini presi da 100 pazienti consecutivi visti all’UPMC per sospetto cancro alla prostata.
Durante i test, l’IA ha dimostrato una sensibilità del 98% e una specificità del 97% nel rilevamento del cancro alla prostata, significativamente superiore a quanto riportato in precedenza per gli algoritmi che lavorano da vetrini di tessuto.
Inoltre, questo è il primo algoritmo a estendersi oltre il rilevamento del cancro, segnalando prestazioni elevate per la classificazione, il dimensionamento e l’invasione del tumore dei nervi circostanti. Queste sono tutte caratteristiche clinicamente importanti richieste come parte del rapporto di patologia.
AI ha anche segnalato sei diapositive che non sono state notate dai patologi esperti.
Ma Dhir ha spiegato che questo non significa necessariamente che la macchina sia superiore agli umani. Ad esempio, nel corso della valutazione di questi casi, il patologo avrebbe potuto semplicemente vedere prove sufficienti di neoplasia altrove nei campioni di quel paziente per raccomandare il trattamento. Per i patologi meno esperti, tuttavia, l’algoritmo potrebbe agire come un sistema di sicurezza per catturare casi che altrimenti potrebbero essere persi.
“Algoritmi come questo sono particolarmente utili nelle lesioni che sono atipiche”, ha detto Dhir. “Una persona non specializzata potrebbe non essere in grado di effettuare la valutazione corretta. Questo è un grande vantaggio di questo tipo di sistema “.
Sebbene questi risultati siano promettenti, Dhir avverte che nuovi algoritmi dovranno essere addestrati per rilevare diversi tipi di cancro. I marker di patologia non sono universali in tutti i tipi di tessuto. Ma non vedeva perché non si potesse fare ciò per adattare questa tecnologia al lavoro con il cancro al seno, per esempio.
Riferimento: “Un algoritmo di intelligenza artificiale per la diagnosi del cancro alla prostata in immagini intere di diapositive di biopsie con ago centrale: una convalida clinica in cieco e uno studio di distribuzione” di Liron Pantanowitz, MD; Gabriela M. Quiroga-Garza, MD; Lilach Bien; Ronen Heled; Daphna Laifenfeld, PhD; Chaim Linhart, PhD; Judith Sandbank, MD; Anat Albrecht Shach, MD; Varda Shalev, MD; Manuela Vecsler, PhD; Pamela Michelow, MBBCh; Scott Hazelhurst, PhD e Rajiv Dhir, MD, agosto 2020, The Lancet Digital Health .
DOI: 10.1016 / S2589-7500 (20) 30159-X
Altri autori dello studio includono Liron Pantanowitz, MBBCh., Dell’Università del Michigan; Gabriela Quiroga-Garza, MD, di UPMC; Lilach Bien, Ronen Heled, Daphna Laifenfeld, Ph.D., Chaim Linhart, Judith Sandbank, MD, Manuela Vecsler, di Ibex Medical Analytics; Anat Albrecht-Shach, MD, dello Shamir Medical Center; Varda Shalev, MD, MPA, di Maccabbi Healthcare Services; e Pamela Michelow, MS, e Scott Hazelhurst, Ph.D., dell’Università del Witwatersrand.
Il finanziamento per questo studio è stato fornito da Ibex, che ha anche creato questo algoritmo disponibile in commercio. Pantanowitz, Shalev e Albrecht-Shach riferiscono le tasse pagate da Ibex, e Pantanowitz e Shalev fanno parte del comitato consultivo medico. Bien e Linhart sono autori di brevetti in attesa di brevetto US 62 / 743,559 e US 62 / 981,925. Lo stambecco non ha avuto alcuna influenza sulla progettazione dello studio o sull’interpretazione dei risultati.