Ilaria Rosella Pagliaro Un'analisi su 88.963 mammografie svedesi rivela come l'IA riconosca segnali di tumore al seno con anni di anticipo.
Nell’archivio di un ospedale può restare custodita per anni una mammografia, senza che nessuno la riesamini più. Poi interviene un algoritmo, la analizza a distanza di tempo e individua qualcosa che in origine era passato inosservato: un punteggio insolitamente alto, una minima irregolarità, un indizio troppo debole per giustificare allora un intervento immediato, ma sufficientemente rilevante da meritare oggi un’osservazione più attenta.
È proprio questo l’aspetto più tangibile della ricerca pubblicata su Radiology: tre diversi sistemi commerciali di intelligenza artificiale, applicati retrospettivamente a mammografie già effettuate, hanno prodotto punteggi superiori nelle donne che negli anni seguenti avrebbero ricevuto una diagnosi di tumore al seno. La ricerca si è basata sul database svedese Validation of Artificial Intelligence for Breast Imaging, contenente dati raccolti in quattro regioni svedesi tra gennaio 2008 e aprile 2019. Complessivamente sono state esaminate 88.963 mammografie appartenenti a 31.394 donne.
Indice
Un indizio anticipato rispetto alla diagnosi
Gli scienziati hanno esaminato il passato, spingendosi fino a dieci anni prima della diagnosi, impiegando tre diversi sistemi AI-CAD, ovvero strumenti computerizzati di supporto alla lettura mammografica. All’interno del campione, selezionato appositamente per includere numerosi casi oncologici, 12.072 donne avevano successivamente ricevuto una diagnosi di tumore al seno. L’interrogativo centrale della ricerca era concreto: i software avrebbero attribuito valutazioni differenti alle mammografie precedenti di chi in seguito si sarebbe ammalata, rispetto a quelle di chi non avrebbe sviluppato la malattia?
I risultati, pur con le dovute precauzioni interpretative, sembrano confermare questa ipotesi. Con una specificità del 90%, ovvero impostando una soglia capace di distinguere con buona affidabilità i casi positivi da quelli negativi, l’intelligenza artificiale ha individuato tra il 19,0% e il 19,7% dei futuri tumori già sei anni prima della diagnosi effettiva. Spostandosi a quattro anni di anticipo, la percentuale saliva fino al 25,2%, mentre a due anni dalla diagnosi raggiungeva addirittura il 39,3%. Dieci anni prima, invece, il segnale risultava più flebile, oscillando comunque tra il 12,7% e il 17,0%.
Il dato più significativo riguarda dunque quel 20% circa di tumori al seno che pare lasciare, sulle immagini mammografiche, tracce interpretabili dall’intelligenza artificiale già a circa sei anni di distanza dalla diagnosi ufficiale. Segnali sottili, spesso impercettibili all’occhio umano in quel preciso momento, oppure troppo incerti per attivare un iter clinico standard.
Uno strumento aggiuntivo, non sostitutivo
Il modello svedese aiuta a contestualizzare i risultati. Il programma nazionale invita le donne tra i 40 e i 74 anni a sottoporsi a mammografia biennale, con lettura solitamente affidata a due specialisti radiologi. Nel periodo oggetto dello studio, i punteggi generati dall’IA erano disponibili unicamente a fini di ricerca: chi allora interpretava gli esami lavorava senza tale supporto tecnologico.
Questo elemento modifica sensibilmente l’interpretazione dei dati. In questo caso, l’intelligenza artificiale analizza immagini pregresse conoscendo già, grazie ai dati disponibili, chi avrebbe sviluppato un tumore. Lo studio evidenzia comunque una potenzialità concreta: sfruttare i punteggi dell’IA nel tempo per individuare le donne che potrebbero necessitare di sorveglianza rafforzata, magari attraverso esami integrativi come la risonanza magnetica, specialmente quando il quadro radiologico inizia a modificarsi tra uno screening e l’altro.
La cautela resta comunque doverosa. Gli stessi autori sottolineano i limiti della ricerca: si tratta di uno studio retrospettivo, basato su un dataset costruito specificamente per finalità scientifiche; l’identificazione anticipata viene definita esplicitamente come “potenziale”; non è presente un’analisi dettagliata sulla posizione precisa del futuro tumore all’interno delle immagini; e rimane da chiarire come tali segnali possano tradursi in decisioni cliniche concrete senza generare eccessiva ansia, richiami superflui, costi aggiuntivi ed esami non necessari.
Verso uno screening su misura
L’aspetto più interessante riguarda la possibilità di uno screening personalizzato. Attualmente la mammografia segue principalmente criteri legati all’età, al calendario prestabilito e ai fattori di rischio conosciuti. Un utilizzo maturo dell’intelligenza artificiale potrebbe introdurre un livello aggiuntivo di analisi: monitorare l’evoluzione dei punteggi nel tempo, anziché limitarsi alla singola immagine isolata. Un valore singolo può fluttuare, generare incertezze, produrre falsi allarmi. Due rilevazioni consecutive, oppure un incremento marcato tra due screening successivi, potrebbero rivelarsi strumenti più affidabili per decidere chi sottoporre a controlli più approfonditi.
In Italia, il programma di screening mammografico organizzato prevede un esame ogni due anni per le donne comprese tra i 50 e i 69 anni, con possibili estensioni regionali anche alle fasce 45-49 e 70-74 anni. Nella pratica quotidiana, questa ricerca non modifica automaticamente le indicazioni cliniche per le pazienti, tuttavia suggerisce una direzione molto concreta per i programmi sanitari pubblici: valutare se l’intelligenza artificiale possa contribuire a identificare meglio chi richiamare per controlli, chi monitorare con maggiore attenzione e chi indirizzare verso esami supplementari.
La Svezia stessa rappresenta già uno dei principali laboratori osservati su questo fronte. Un altro importante studio svedese sull’impiego dell’intelligenza artificiale nello screening mammografico, il trial MASAI, ha evidenziato una riduzione dei tumori d’intervallo e un alleggerimento del carico di lavoro per i radiologi, preservando comunque il controllo umano all’interno del percorso diagnostico. Anche in questo caso la direzione appare evidente: l’IA risulta più efficace quando rimane uno strumento di supporto clinico, senza trasformarsi in una scorciatoia automatizzata.
Il passaggio più delicato consisterà nel trasferire questi dati dagli archivi verso protocolli operativi sicuri. Sono necessari studi prospettici, monitoraggio continuativo, valutazioni approfondite su costi, falsi positivi, accessibilità agli esami integrativi e impatto psicologico sulle donne richiamate per ulteriori controlli. Un algoritmo capace di individuare segnali precoci può rivelarsi prezioso. Se utilizzato in modo inappropriato, rischia invece di moltiplicare richiami, esami superflui e stati d’ansia.
Fonte: Radiology
