L’intelligenza artificiale della radiomica permette l’analisi approfondita di migliaia di immagini diagnostiche e consente di individuare dettagli di dimensioni ridottissime che, ripresentandosi in pazienti diversi, ad esempio in casi gravi o in quei soggetti che rispondono a un determinato farmaco, possono fungere da campanello d’allarme per situazioni analoghe.
“Oggi la radiologia vive un paradosso: gli strumenti diagnostici producono immagini digitali che sono analizzate in modo analogico, cioè dall’occhio dello specialista”, dichiara il prof. Giuseppe Scotti, neuroradiologo del Centro Diagnostico Italiano. “In questo modo si perdono molte informazioni, dettagli invisibili all’occhio umano perché troppo piccoli o perché ricorrono nei diversi pazienti in maniera troppo discontinua per essere notati.”
Grazie alla radiomica queste informazioni possono essere individuate e utilizzate come strumenti predittivi in molte patologie, e attraverso la medicina personalizzata, trattate con terapie ad hoc, su misura, secondo le caratteristiche genetiche individuali di ogni paziente. “Questa innovazione richiede però un profondo cambiamento della formazione universitaria – prosegue Scotti – con un maggiore peso per le materie matematiche e statistiche e la disponibilità a confrontarsi con altre professionalità, come informatici, ingegneri, fisici, matematici.”
L’avvento dell’intelligenza artificiale, del machine learning e del deep learning apre la strada a una nuova interpretazione della figura del radiologo. Emerge una sempre maggiore attenzione al dato, piuttosto che all’immagine diagnostica, e all’informazione quantificabile gestita dai big data e dai “cervelloni” in grado di analizzare contemporaneamente una grande quantità di dati e algoritmi. Il radiologo funge da “cerniera” in questo nuovo sistema d’analisi, fra i medici di altre specializzazioni e nuovi sistemi sempre più automatizzati, guidati da algoritmi complessi che forniscono informazioni diagnostiche integrate e con implicazioni prognostiche e terapeutiche, che comunque necessitano della comprensione dei medici per la gestione della salute dei propri pazienti.
“La radiologia potrà sopravvivere – conclude Scotti – se conserverà uno stretto rapporto con le discipline mediche e con l’evoluzione scientifica non solo nel campo delle discipline morfologiche e cliniche ma anche biologiche, genetiche, matematiche, fisiche e umanistiche.”
IL NEURINOMA DEL NERVO ACUSTICO
Il quesito che si sono posti i ricercatori era individuare delle caratteristiche nelle immagini della risonanza magnetica che fossero ricorrenti in quei pazienti con neurinoma sui quali è stata efficace la radiochirurgia stereotassica con Cyberknife. Quest’ultimo è uno strumento di radioterapia costituito da un acceleratore lineare montato su un braccio robotico, che può assumere oltre 1.500 posizioni differenti intorno al paziente al fine di arrivare dove la chirurgia tradizionale non può essere utilizzata. Obiettivo della ricerca era utilizzare queste caratteristiche ricorrenti come segnali per predire se in un paziente con neurinoma questa strumentazione per la radiochirurgia avrebbe avuto effetto. Attraverso l’uso dell’intelligenza artificiale, i ricercatori hanno individuato delle caratteristiche delle immagini di risonanza magnetica, basate su forma, intensità e disposizione dei pixel che le compongono, che sono state in grado di predire l’efficacia della terapia nel 85-89% dei casi analizzati.