Home Applicazioni Diagnosi Radiomica, prospettive di sviluppo e intelligenza artificiale

Radiomica, prospettive di sviluppo e intelligenza artificiale

La radiomica è una branca della radiologia che affonda le proprie radici negli anni 80 del secolo sorso e nella Computer Aided Diagnosis (CAD), intesa come analisi di un’immagine diagnostica dal punto di vista di variabili quantitative, come la geometria, l’intensità e la texture.

Istruito appositamente da professionisti, questo sistema poteva identificare un tessuto anomalo, ma non poteva imparare dai propri errori.

I nuovi sistemi di intelligenza artificiale applicata a immagini radiografiche possono invece imparare e migliorare le capacità diagnostiche del radiologo.

Rispetto al CAD, la moderna radiomica lavora, inoltre, con un numero elevato di variabili, che può raggiungere le migliaia, ed è in grado di associare le variabili estratte dalle immagini radiologiche con l’istologia del tumore, per esempio, la risposta dello stesso alla terapia e la sopravvivenza del paziente.

Sulla carta, quindi, questa tecnologia promette di migliorare la diagnosi della lesione tumorale e, quindi, la scelta del trattamento terapeutico da parte del team oncologico. Ma non solo: potenzialmente la radiomica potrebbe individuare una lesione tissutale prima ancora che questa sia visibile nell’immagine radiologica.

Due pazienti con lo stesso tumore possono rispondere in modo diverso allo stesso trattamento: ciò è dovuto, da un lato, alle caratteristiche genetiche e fenotipiche del paziente e, dall’altro, a quelle del tumore stesso.

La radiomica può valutare la massa tumorale presente nell’immagine radiografica, analizzarne le variabili e individuare la tipologia precisa di tumore con cui si ha a che fare; facendo poi una serie di connessioni con informazioni già elaborate nel tempo, può predire se un certo trattamento sarà efficace o no per quel tipo di tumore.

Paolo Poggi, responsabile Servizio Centrale di Diagnostica per immagini dell’ICS Maugeri di Pavia

«In questo senso – spiega il dottor Paolo Poggi, responsabile Servizio Centrale di Diagnostica per immagini dell’ICS Maugeri di Paviaradiomica e genomica vanno a braccetto».

Per analizzare le caratteristiche quantitative di una lesione tumorale occorre sviluppare non solo un apposito algoritmo ma anche decidere quale endpoint clinico considerare.

A questo punto si può procedere con l’acquisizione dell’immagine radiologica (di solito TC, RMN o PET), che viene analizzata per individuare le zone d’interesse.

Si estraggono ed elaborano quindi le caratteristiche quantitative dall’immagine per individuare quelle importanti.

«Presso la nostra struttura, per esempio, stiamo sviluppando un software che dovrebbe caratterizzare nel dettaglio una lesione tumorale partendo da immagini mammografiche. Esistono già software per altri organi, per esempio per caratterizzare i tumori del polmone, noi siamo stati tra i primi a lavorare sulla mammografia che è più complessa. Basta pensare alla struttura del polmone, per lo più composta di aria, e a quella del seno, che è invece densa. Grazie alla collaborazione con un’azienda siamo arrivati a un buon livello di sviluppo, con risultati che potrei definire buoni. Questo sistema potrà non solo individuare lesioni anche molto piccoli, ma determinarne contorni, caratteristiche fenotipiche e altro ancora. Tuttavia, occorre evidenziare subito alcune criticità del settore. La prima è la mancanza di protocolli standard condivisi tra i ricercatori».

La standardizzazione è un processo di là da venire che però limita la condivisione dei dati tra i team di ricerca e quindi, in un certo senso, lo sviluppo e l’evoluzione della tecnica. Mancano, quindi, protocolli condivisi: criticità che in qualche modo rallentano la diffusione della radiomica stessa e ne limitano l’accesso ai pazienti oncologici.

Un po’ di sistematizzazione potrebbe aiutare. Intanto, negli ultimi tempi la radiomica si sta evolvendo, mostrando potenzialità ancora da indagare dal punto di vista etico e psicologico.

Avere la possibilità di analizzare meglio una lesione tumorale, caratterizzarla nel dettaglio e stimare il successo terapeutico su un determinato paziente è davvero importante, non solo per la sua esperienza di cura e qualità di vita, ma anche per utilizzare al meglio le risorse disponibili. I trattamenti oncologici hanno infatti costi elevati, soprattutto i farmaci biologici, ed è quindi importante usarli sui pazienti in grado di rispondervi al meglio.

Come accennato, c’è però un ulteriore aspetto della radiomica oggi allo studio e riguarda la capacità dell’intelligenza artificiale di individuare alterazioni ancora non visibili da anomalie nella texture e nelle caratteristiche quantitative dell’immagine radiologica.

Com’è possibile? «Fin qui non abbiamo spiegato che la radiomica prevede di analizzare non l’immagine in sé, ma la mole di dati generati dall’apparecchiatura radiologica, quelli da cui viene in seguito prodotta l’immagine. Si parla di numeri, in definitiva, che creano la tessitura dell’immagine. La radiomica, attraverso algoritmi complessi, individua alterazioni nelle sequenze dei numeri. Questa capacità può essere studiata in modo retrospettivo. Con la radiomica possiamo quindi analizzare un certo numero di TC polmonari positive per uno stesso tipo di tumore, meglio se in diversi stadi di sviluppo: confrontando i numeri che caratterizzano le diverse TC si può individuare un pattern di numeri associato all’origine della lesione stessa. I dati andrebbero confermati in più studi ma, ipoteticamente, a questo punto potrei analizzare una TC polmonare alla ricerca di quel preciso pattern associato a un inizio di lesione, ancora non visibile ma, secondo l’IA, presente. Le stesse alterazioni di numeri si potrebbero poi associare ad aspetti riferiti al paziente, come il suo corredo genetico, gli stili di vita, l’alimentazione ecc., per stratificare sempre meglio». A questo punto, però, non si può che chiedersi: «a cosa serve sapere, per esempio, che un polmone presenta una lesione se non la vedo?».

Considerazioni etiche e psicologiche

«La prima domanda da porsi è se un sistema predittivo di questo genere è sicuro al 100%. Per farlo è chiaro che diversi team di ricerca dovrebbero individuare lo stesso pattern nelle immagini radiografiche di un preciso tumore e dimostrare che in quella sede, dal momento della scoperta a un tempo x, si sviluppa una lesione. A questo punto, potremmo individuare un trattamento preventivo che eviti lo sviluppo di un tumore in quella sede, il che richiederebbe un certo tempo. La certezza diagnostica è irrinunciabile e nel nostro settore la si ottiene solo con una biopsia, pungendo il tumore. Se, però, non vedo ancora il tumore, come posso pungerlo? Questo stesso limite c’è anche in altre soluzioni tecnologiche. Prendiamo la tomosintesi della mammella, esame che si sta imponendo nella diagnostica mammografica perché permette di “affettare” la mammella come farebbe una TC, di fatto migliorando l’accuratezza diagnostica dell’esame. Se si individuano delle lesioni o delle microcalcificazioni e la tomosintesi a disposizione di un Servizio Radiologico non ha modo di fare tomobiopsia, allora siamo punto a capo. Voglio dire: se con un mammografo tradizionale la lesione non la vedi, come farai a effettuare la biopsia? Un limite simile c’è in un approccio radiomico predittivo: sapere di avere una lesione ma non poterla verificare dal punto di vista istologico è come non sapere di avere la lesione. A cosa può servire questa informazione?».

La domanda è senza dubbio lecita e porta a una serie di considerazioni. Per esempio, si potrebbe verificare se nel dato paziente e per il dato tumore previsto si può programmare uno screening personalizzato a cadenza fissa.

«A mio parere lo si potrebbe fare, per esempio, nel neuroimaging, nelle patologie degenerative o tumorali, dove l’encefalo e il midollo sono valutabili con una RM, che non emette radiazioni ionizzanti, ma non per un tumore al polmone, che richiede invece la TC. O comunque bisognerebbe sempre valutare caso per caso il rapporto costi/benefici dello screening e le radiazioni usate. Si sa, per esempio, che in un forte fumatore con ereditarietà per tumore ai polmoni l’insorgenza può essere veloce: ma uno screening che preveda una TC ravvicinata nel tempo potrebbe portare conseguenze nefaste su altri organi, magari stimolando la formazione di altre neoplasie».

Inoltre, ogni analisi radiologica andrebbe condotta usando lo stesso protocollo per consentire un confronto delle immagini. La situazione è di per sé complicata, senza pensare alla variabile paziente.

«Ricevere una diagnosi certa di tumore è uno shock per chiunque, ma è uno shock da affrontare per intraprendere il percorso terapeutico e provare a vincere il tumore. Come può reagire il paziente che si sente dire: “l’analisi ha individuato la possibilità che in un tempo non certo lei sviluppi un tumore in questa sede”? Credo che sarebbe un’informazione difficile da elaborare per chiunque, soprattutto se non si può proseguire dicendo “se però farà questa terapia o prenderà questo farmaco in questo modo e per questo tempo, la lesione sarà sconfitta prima di diventare visibile”. Credo che dobbiamo verificare se si può arrivare a questa frase prima di affidarci a strumenti di intelligenza artificiale», conclude Poggi, per il quale l’intelligenza artificiale deve essere di supporto al radiologo mostrando aspetti dell’immagine che potrebbero essere sfuggiti nell’analisi di migliaia d’immagini, quindi migliorando la precisione diagnostica e, di conseguenza, gli esiti per il paziente.

LASCIA UN COMMENTO

Inserisci il tuo commento
Inserisci il tuo nome

01health Steering Committee: sanità e ICT si incontrano e si confrontano

01health, piattaforma di comunicazione integrata del Gruppo Tecniche Nuove, è veicolo formativo e informativo della sanità digitale italiana e catalizzatore di un processo di diffusione di competenze e best practice del comparto

Se questo articolo ti è piaciuto e vuoi rimanere sempre informato sulle novità tecnologiche

css.php