Gli scienziati del MIT e del Massachusetts General Hospital hanno messo a punto un modello di apprendimento capace di individuare con minuzia la probabilità che una donna si ammali di cancro al seno anni prima
Ad oggi, una donna su otto è colpita dal mostro che, in Italia, resta la prima causa di morte tra la popolazione femminile: il cancro al seno.
Sono circa 52.800 le donne che si sono ammalate nel 2018, lo 0,3% in più rispetto agli anni precedenti cui, comunque, corrisponde un calo della mortalità pari allo 0,8% annuo.
Leggi anche: Bbeep, la valigia che guida i turisti non vedenti
La diminuzione corrisponde, in misura importante, anche all’incremento dei controlli di prevenzione del 14.8%. Le mammografie sono ormai ampiamente utilizzate non solo per le donne dai 50 ai 69 anni, per cui hanno già dimostrato di ridurre significativamente la mortalità, ma anche per quelle più giovani, specie dai 45 ai 49. Le donne italiane che ogni anno si sottopongono ad uno screening sono circa 6 milioni (un milione in più rispetto a prima).
Ma se è vero che le mammografie sono diventate una pratica consolidata, è altresì vero che non possono dirsi pienamente affidabili. Restano dei limiti intrinseci alle tecniche finora utilizzate che, a volte, rendono le analisi inconcludenti.
Screening intelligenti
Gli scienziati del MIT’s Computer Science e Artificial Intelligence Laboratory (CSAIL) e del Massachusetts General Hospital, con l’aiuto dell’intelligenza artificiale, hanno delineato un modello di apprendimento automatico capace di prevedere da una mammografia se un paziente rischia di sviluppare un cancro al seno da lì a cinque anni.
Leggi anche: Tsunami, è possibile prevederli con la tecnologia?
Il lavoro si basa su quello di Google AI, che nello scorso Ottobre ha affermato di aver sviluppato un modello in grado di rilevare il cancro al seno metastatico con un’accuratezza del 99% e su quello di Alphabet’s DeepMind, che lo scorso anno ha convalidato un sistema di intelligenza artificiale con lo University College of London.
Secondo quanto spiegano gli stessi autori sulla rivista Radiology, grazie ai risultati di oltre 60.000 mammografie, (89.994 immagini per 39.571 donne), il modello è stato addestrato ai minimi dettagli che l’occhio umano non riesce ad acquisire, archiviando le minuzie attraverso migliaia di scansioni.
Un grosso passo avanti rispetto ai vecchi metodi statistici
La maggior parte dei sistemi usati finora predicono il verificarsi del cancro sulla base di una serie di fattori di rischio come l’età, la storia familiare del cancro al seno e ovarico, i fattori ormonali e riproduttivi e la densità del seno. Il problema è che alcuni di questi sono meno correlati al cancro al seno rispetto ad altri danneggiando così l’accuratezza dei modelli. Se resta ovviamente importante rilevare se il cancro è in una fase precoce, tutto sarà enormemente più efficace se si conosce in anticipo la probabile insorgenza futura della malattia.
“Piuttosto che adottare un approccio one-size-fits-all, possiamo personalizzare lo screening intorno al rischio di una donna di sviluppare il cancro”, ha detto Regina Barzilay, professoressa del MIT sopravvissuta al tumore al seno. “Sin dagli anni ’60 i radiologi hanno notato che le donne hanno modelli di tessuto mammario unici e ampiamente variabili visibili sulla mammografia”, ha affermato Constance Lehman uno degli autori. “Questi schemi possono rappresentare l’influenza di genetica, ormoni, gravidanza, allattamento, dieta, perdita di peso e aumento di peso. Ora possiamo sfruttare queste informazioni dettagliate per essere più precisi nella nostra valutazione del rischio a livello individuale”.
Un modello di prevenzione basato sulle singole donne
Lo studio prende anche in considerazione la diversità razziale, in cui i modelli del passato si concentravano principalmente sulle popolazioni caucasiche. Ciò non solo aiuta ad aumentare la precisione, ma riduce il tasso notevolmente più alto di decessi per cancro al seno nelle donne afro-americane.
I medici potranno ordinare mammografie o esami ulteriori in base alle necessità del paziente, evitare l’esposizione non necessaria alle radiazioni e i costi di scansioni potenzialmente non necessarie.
Più affidabilità, precisione e accessibilità
Sebbene rimanga certo che nessuna AI sia in grado di dare risultati perfetti, gli algoritmi di classificazione sono più affidabili in modelli specifici come questo che, tra l’altro, sono accessibili da chiunque. Mentre i modelli esistenti possono identificare con precisione il 18% dei pazienti nella categoria ad alto rischio, il nuovo modello promette un aumento fino al 31%.
Inoltre, sulla stessa scia, gli scienziati della New York University hanno recentemente messo a disposizione un modello di screening del cancro al seno su oltre 200.000 esami mammografici e un team della Harvard Medical School ha ideato una AI in grado di rilevare un difetto genetico responsabile di alcuni tumori.
Dati i primi risultati promettenti, ciò che resta ora, è investire tempo e cura per integrare in modo sicuro il modello nelle pratiche della medicina diagnostica.
Il prossimo passo della ricerca potrebbe essere quello di procedere a screening che identifichino i pazienti a maggior rischio di altri problemi di salute, come malattie cardiovascolari o altri tipi di cancro. I ricercatori sembra stiano andando in questa direzione per applicare in toto il modello ed arrivare ad una completa prevenzione.
Auguriamoglielo, a loro e a tutti noi.
