Il deep learning per rilevare il cancro

Il deep learning al pari o meglio degli umani nel rilevare il cancro

Gli algoritmi di deep learning (apprendimento approfondito) possono competere benissimo con le abilità umane nel rilevare il cancro da ecografie e dai rapporti patologici. Un’altra dimostrazione del potenziale dell’intelligenza artificiale nell’ambito medico.  In futuro dovremo contare sempre più sulle macchine in certi contesti. Ci sono due indizi che possono farci riflettere a riguardo. Vediamoli.

 

L’esempio Samsung

Il primo indizio riguarda l’aggiornamento del sistema RS80A di Samsung Medison, società specializzata nella produzione di attrezzatura medica. L’aggiornamento del sistema ad ultrasuoni RS80A per la radiologia ha a che fare proprio con un algoritmo di deep learning per l’analisi delle lesioni dovute al cancro al seno.

Tale tecnologia, chiamata “S-Detect for Breast“, individua i limiti delle lesioni e fornisce immagini multiple delle stesse in modo del tutto automatico. Sfrutta i big data raccolti tramite gli esami al seno delle pazienti ed è in grado di suggerire se si tratta di un tumore benigno o maligno. E i risultati sono accurati. Il medico deve solo toccare un comando sul touchscreen della macchina. Quest’ultima poi provvederà a fare tutte queste operazioni in modo autonomo.

Il radiologo del Samsung Medical Center, Han Boo Kyung, ha confermato l’incredibile prestazione del sistema. “Abbiamo visto un elevato livello di conformità dall’analisi e il rilevamento delle lesioni in vari casi usando l’S-Detect. I pazienti possono evitare inutili biopsie e gli apprendisti hanno un supporto più affidabile nel rilevare con precisione lesioni maligne e sospette.”.

 

Gli algoritmi del Regenstrief Institute e della IUPUI

I ricercatori del Regenstrief Institute e dell’Indiana University School of Informatics and Computing hanno scoperto che gli strumenti open source per l’apprendimento automatico sono efficienti quanto i medici nell’estrarre le informazioni importanti dai rapporti patologici non strutturati e nell’individuare i casi di cancro. A volte gli algoritmi sono perfino più precisi degli specialisti. Di sicuro le macchine sono molto più veloci e sfruttano meno risorse.

È un traguardo molto importante perché le diagnosi potranno essere effettuate rapidamente. Di conseguenza i medici avranno più tempo a disposizione per occuparsi di altri pazienti e per lavorare dove il loro intervento sarà davvero indispensabile.

L’autore dello studio, Shaun Grannis, ha dichiarato: “Pensiamo che non è più necessario per gli umani trascorrere del tempo a rivedere i testi dei rapporti per determinare se il cancro è presente oppure no.“. Sembra un paradosso. Eppure, se riflettiamo un istante, è uno scenario plausibile. Più i medici avranno a disposizione questo tipo di tecnologie e più potranno stare a stretto contatto con i loro pazienti. Soprattutto dal punto di vista emotivo. Un aspetto da non sottovalutare.

Il progresso scientifico-tecnologico permetterà ai medici di fare diagnosi più precise, di stare a più stretto contatto con i pazienti. E sarà possibile anche grazie ai big data e alla loro elaborazione da parte delle macchine. A riguardo Shaun Grannis ha detto: “Siamo arrivati a un punto in cui la tecnologia è in grado di gestire ciò. Il tempo di un essere umano è ben speso aiutando altri esseri umani nel fornire loro una migliore assistenza clinica. Tutto – le pratiche mediche, i sistemi di assistenza sanitaria, lo scambio di informazioni sanitarie, le assicurazioni, così come i dipartimenti della sanità pubblica – è inondato da dati. Come possiamo sperare di dare un senso a questo diluvio di dati? Gli umani non possono farlo – ma i computer sì.“.

I ricercatori hanno raccolto 7.000 rapporti patologici da oltre 30 ospedali. Hanno adottato strumenti open source, algoritmi di classificazione e diversi approcci di selezione per prevedere se i rapporti descrivessero la presenza di un cancro o meno. I risultati hanno dimostrato che una revisione completamente automatizzata ha prodotto esiti simili o migliori rispetto a quelli ottenuti dai revisori umani. Il tutto risparmiando tempo o denaro. Non è un buon motivo per lasciare che siano solo le macchine ad occuparsi di questi compiti in futuro? Occorrono ovviamente altri studi sul deep learning e sull’intelligenza artificiale in generale. Ma questo esperimento è di sicuro un successo.

Migliori infrastrutture, migliori risultati

Grannis lo ha confermato: “Abbiamo riscontrato che l’intelligenza artificiale è stata precisa almeno quanto gli esseri umani nell’identificare i casi di cancro dai dati clinici in formato di testo libero Per esempio, il computer ‘ha appreso’ che le parole ‘strato’ o ‘strati’ significavano cancro come ‘strato’ o ‘strati di cellule’ poiché nei rapporti patologici sono usate per indicare malignità.“. Anche gli scienziati dell’Università di Swansea stanno adottando l’intelligenza artificiale per rilevare le cellule tumorali.

Quindi, “non si tratta di un progresso nelle idee. Si tratta di un grande passo in avanti nell’infrastruttura – abbiamo la tecnologia, abbiamo i dati, abbiamo il software dal quale abbiamo visto una revisione accurata, rapida, di una grande quantità di dati senza la distrazione o la supervisione umana.“.

Vero. Sono anni che gli scienziati pensano a una soluzione per poter automatizzare determinate operazioni mediche. Il problema è principalmente delle infrastrutture. Ma stiamo vedendo che col tempo, grazie alle scoperte di nuovi materiali e all’implementazione di nuovo algoritmi, possiamo migliorare le nostre tecnologie. Se non addirittura crearne di più potenti.

Non dovremmo più sorprenderci se qualche scienziato pensa a un verme robot per asportare il tumore dall’orecchio interno. Oppure a un robot radiologo per la diagnosi delle malattie. La vera sfida è passare dalle idee alla realizzazione. Forse, alcuni progetti di queste tecnologie rimarranno dei file salvati su un computer, ma non per questo risulteranno inutili. Anzi, ci spingeranno a capire i nostri errori, a fare di meglio e a costruire tecnologie per poter vivere con meno problemi.

Insomma, il deep learning potrà essere di grande aiuto nel settore sanitario.

Fonte: kurzweilai


Lascia un commento

Questo sito usa Akismet per ridurre lo spam. Scopri come i tuoi dati vengono elaborati.