Gli scienziati stanno usando l’intelligenza artificiale per affrontare il cancro al colon
L’intelligenza artificiale ha il potenziale per migliorare l’accuratezza degli screening del cancro del colon.
Recentemente, un team guidato da medici del Beth Israel Deaconess Medical Center e della Harvard Medical School ha dimostrato che un sistema di visione artificiale basato sull’intelligenza artificiale (AI) può migliorare l’accuratezza dello screening del cancro del colon. Tyler M Berzin , un gastroenterologo del Beth Israel Deaconess Medical Center, discute di come gli algoritmi di visione artificiale basati sull’intelligenza artificiale possono aiutare i medici. Esaminiamo come ciò si realizza.
In che modo l’intelligenza artificiale rivede le immagini in tempo reale?
Secondo Tyler, si tratterebbe di un’applicazione in tempo reale dell’intelligenza artificiale , anch’essa piuttosto unica. Nella medicina clinica, la maggior parte degli esempi di applicazioni dell’IA si verificano dopo il coinvolgimento iniziale del paziente, ad esempio durante la successiva valutazione della radiografia. Tuttavia, i ricercatori richiedono un’assistenza immediata durante il monitoraggio della colonscopia, quando il ruolo del medico è quello di ispezionare visivamente metodicamente l’intero rivestimento del colon per trovare e rimuovere i polipi precancerosi.
Tra la colonscopia e il monitor endoscopico, la tecnologia AI suggerita analizza l’immagine della colonscopia. Lo schermo mostra l’effettiva operazione di colonscopia, ma con riquadri di avviso blu o verdi che indicano la posizione sospetta del polipo. Pertanto, questo è l’esempio ideale di intelligenza artificiale che migliora, non sostituisce, le prestazioni mediche.
In che modo l’intelligenza artificiale riconosce le immagini di polipi
In questo scenario, l’approccio si basa su un sistema di visione artificiale di apprendimento profondo, progettato per imparare a riconoscere oggetti specifici, a condizione di campioni sufficienti del loro aspetto. Deve essere alimentato con una grande quantità di dati visivi. Successivamente, dopo un periodo di addestramento, acquisisce la capacità di riconoscere i polipi. La cosa interessante è che questi algoritmi di deep learning basati sull’intelligenza artificiale possono scoprire tratti che un medico mancherebbe del tutto. Ci sono numerosi esempi di questo, come ad esempio un algoritmo di profondo-learning per raggi-X .
Miglioramento del rilevamento
La ricerca rivela che i medici avevano circa il 30% in meno di probabilità di ignorare un polipo quando assistiti dall’intelligenza artificiale. La valutazione indipendente ed esterna degli algoritmi medici dell’IA è un obiettivo fondamentale per l’ IA nella pratica medica. Questo sarà il primo studio randomizzato progettato per valutare esternamente l’efficienza di un algoritmo di intelligenza artificiale.
Inoltre, i ricercatori statunitensi hanno proposto una tecnica di apprendimento automatico che utilizzava il DNA privo di cellule derivato dal tumore per ottenere un’eccellente sensibilità e specificità. La loro tecnica di apprendimento automatico potrebbe fornire un nuovo entusiasmante percorso per la ricerca futura nel rilevamento del cancro del colon-retto in fase iniziale.
Un gruppo di ricercatori irlandesi ha confrontato i profili di espressione di 380 microRNA (miRNA) nei tumori del colon-retto in stadio II e nei tessuti normali utilizzando reti neurali artificiali.
Un team di ricercatori iraniani ha sviluppato una tecnica computazionale unica che utilizza un classificatore Naive Bayes per ottimizzare questo metodo e aumentare l’accuratezza delle previsioni.
Un altro studio condotto da un gruppo di ricerca spagnolo ha studiato l’efficacia dei campioni di plasma quando utilizzati insieme a un potente modello predittivo per la distinzione di individui sani da pazienti con cancro del colon-retto e adenomi avanzati. Il modello di classificazione SVM ha raggiunto una sensibilità dell’85% e una specificità del 90%.
Un gruppo di ricercatori dall’Iran e dagli Stati Uniti ha suggerito un modello di rete neurale artificiale che ha identificato efficacemente i dati del campione come maligni o non cancerosi dal database Gene Expression Omnibus (GEO).
Set di dati: database Gene Expression Omnibus (GEO)
Inoltre, i ricercatori cinesi hanno raccomandato l’uso di un doppio modello di previsione della CNN per identificare potenziali miRNA associati alla malattia. Il loro metodo basato sull’intelligenza artificiale indaga i profondi punti in comune tra i miRNA, le somiglianze tra malattie e le connessioni miRNA-malattia.
Conclusione
Attualmente, le tecnologie di intelligenza artificiale consentono ai medici di prevedere il futuro dei pazienti. In generale, l’integrazione delle tecnologie di intelligenza artificiale nello screening, nella diagnosi e nel trattamento del cancro del colon-retto può migliorare i risultati clinici e la prognosi dei pazienti. Negli ultimi anni gli algoritmi di deep learning sono stati sempre più impiegati nella ricerca clinica sul cancro. Numerosi moderni sistemi di intelligenza artificiale hanno dimostrato risultati promettenti nel rilevare e caratterizzare con precisione le lesioni sospette. Tuttavia, sono necessari studi clinici più prospettici, su larga scala e multicentrici per valutare l’accuratezza diagnostica dei sistemi di intelligenza artificiale .
