Questi tumori – diagnosticati fra una mammografia negativa e la successiva – tendono ad avere esiti peggiori a causa della loro biologia più aggressiva e della rapida crescita
Un nuovo algoritmo di intelligenza artificiale consente di individuare con maggiore precisione eventuali tumori al seno, potenziando le prestazioni della tomosintesi digitale del seno (DBT). Secondo uno studio pubblicato su Radiology, questo strumento può ridurre i tumori di intervallo fino a un terzo. Si tratta di neoplasie diagnosticate tra una mammografia negativa e l’esame successivo, che spesso presentano un’evoluzione più sfavorevole a causa della loro biologia più aggressiva e della crescita rapida.
“Data la mancanza di dati a lungo termine sulla mortalità correlata al cancro al seno misurata su 10 o più anni dopo l’inizio dello screening DBT, il tasso di cancro nell’intervallo è stato spesso utilizzato come marcatore surrogato” – ha spiegato l’autrice dello studio Manisha Bahl, MD, MPH, direttrice della qualità della divisione di imaging mammario e co-responsabile del servizio presso il Massachusetts General Hospital e professore associato presso la Harvard Medical School. “Si presume che abbassare questo tasso riduca la morbilità e la mortalità correlate al cancro al seno” – ha aggiunto.
Lo studio ha preso in esame 1.376 casi analizzando in maniera retrospettiva 224 tumori interstiziali in 224 donne sottoposte a screening DBT. L’algoritmo ha localizzato in maniera corretta il 32,6% dei tumori precedentemente non rilevati.
“Il mio team e io siamo rimasti sorpresi nello scoprire che quasi un terzo dei tumori di intervallo è stato rilevato e localizzato correttamente dall’algoritmo dell’intelligenza artificiale su mammografie di screening che erano state interpretate come negative dai radiologi, evidenziando il potenziale dell’intelligenza artificiale come prezioso secondo lettore” – ha affermato Bahl.
Un lavoro unico nel suo genere
Secondo i ricercatori, lo studio di Radiology potrebbe rappresentare la prima ricerca pubblicata ad esaminare specificamente l’assistenza dell’intelligenza artificiale nella rilevazione dei tumori intervallari negli esami di screening DBT.
“Diversi studi hanno esplorato l’uso dell’intelligenza artificiale per rilevare i tumori dell’intervallo durante gli esami di screening mammografico digitale bidimensionale, ma a nostra conoscenza nessuna letteratura pubblicata in precedenza si è concentrata sull’uso dell’intelligenza artificiale per rilevare i tumori dell’intervallo durante la DBT” – ha spiegato Bahl.
Per evitare di sovrastimare la sensibilità dell’algoritmo di intelligenza artificiale, il team guidato da Bahl ha adottato un’analisi specifica per singola lesione, che considera le sue prestazioni solo quando riesce a individuare e localizzare con precisione il punto esatto in cui si trova il tumore. “Al contrario, un’analisi a livello di esame attribuisce all’intelligenza artificiale il merito di qualsiasi esame positivo, anche se la sua annotazione è errata o non correlata all’effettiva sede del tumore, il che potrebbe aumentare la sensibilità dell’algoritmo” – ha affermato Bahl. “Concentrarsi sull’accuratezza a livello di lesione fornisce un’immagine più accurata delle prestazioni cliniche dell’algoritmo di intelligenza artificiale” – ha aggiunto.
I tumori rilevati dall’algoritmo tendevano a essere più grandi e avevano maggiori probabilità di essere positivi ai linfonodi, ha osservato Bahl. “Questi risultati suggeriscono che l’intelligenza artificiale potrebbe rilevare preferenzialmente tumori più aggressivi o in rapida crescita, oppure identificare tumori non rilevati che erano già in fase avanzata al momento dello screening” – spiega l’esperta.
Tra 1.000 pazienti, inclusi quelli con tumori veri positivi in base all’esame istologico e quelli con esiti veri negativi e falsi positivi in base al follow-up a un anno, l’algoritmo ha localizzato correttamente l’84,4% di 334 tumori veri positivi. Ha inoltre classificato correttamente come negativi l’85,9% di 333 casi veri negativi e il 73,2% di 333 casi falsi positivi.
“Il nostro studio dimostra che un algoritmo di intelligenza artificiale può rilevare retrospettivamente e localizzare correttamente quasi un terzo dei tumori al seno intercalari durante gli esami di screening DBT, suggerendo il suo potenziale per ridurre il tasso di tumori intercalari e migliorare i risultati dello screening” – ha affermato Bahl. “Questi risultati supportano l’integrazione dell’intelligenza artificiale nei flussi di lavoro dello screening DBT per migliorare la rilevazione del cancro, ma il suo impatto nel mondo reale dipenderà in ultima analisi dall’adozione e dalla convalida da parte dei radiologi in diversi ambienti clinici” – conclude.
Clicca qui per leggere l’estratto originale dello studio.
Potrebbe interessare anche Tumore al polmone e al seno: nuovi farmaci migliorano la sopravvivenza
