Tubercolosi: Google sviluppa un nuovo tool di Intelligenza artificiale per il rilevamento della malattia

Google ha recentemente sviluppato un modello di apprendimento profondo (DL, Deep Learning), in grado di rilevare la TBC, tubercolosi polmonare attiva, attraverso l’analisi delle radiografie del torace con la stessa precisione dei radiologi.

 

Così rivela una ricerca apparsa lo scorso settembre su Radiology, la rivista della Società Radiologi Nord America.

 

La tubercolosi, un’infezione batterica che colpisce prevalentemente i polmoni e si diffonde attraverso le goccioline di aerosol emesse da individui infetti, uccide 1,4 milioni di persone ogni anno, principalmente nei paesi in via di sviluppo, dove la popolazione è più vulnerabile e la possibilità di ottenere cure salvavita in tempo utile estremamente ridotta. Secondo l’Organizzazione Mondiale della Sanità, la tubercolosi, malattia infettiva tra le più pericolose e spesso mortale per le persone con sistema immunitario già compromesso (ad esempio quelle affette dal virus HIV), crea un significativo onere sanitario globale, con 10 milioni di nuovi casi ogni anno in tutto il mondo.

 

Proprio a causa del grave impatto globale della TBC, è stata impressa una forte accelerazione alla ricerca. I numerosi ostacoli emersi hanno però minato il percorso, limitando gli effettivi progressi.

 

Come prassi, l’OMS raccomanda l’esecuzione di radiografie del torace, al fine di facilitare la diagnosi precoce della tubercolosi: spesso però la scarsa esperienza da parte del personale addetto nell’interpretazione degli esami radiologici diventa un fattore invalidante. Per risolvere la criticità, i ricercatori hanno sviluppato un modello DL in grado di rilevare la tubercolosi polmonare attiva. Il modello è stato addestrato e testato su un set di dati retrospettivi di radiografie del torace realizzate tra il 1996 e il 2020, su pazienti di 10 paesi risultati positivi alla TBC in seguito a test microbiologici o test di amplificazione dell’acido nucleico (NAAT).

 

Il modello è stato successivamente valutato utilizzando un set di test di quattro paesi, con dati provenienti da Cina, India, Stati Uniti e Zambia e un set di dati con radiografie di una regione mineraria del Sud Africa. Infine, la performance del modello è stata confrontata con quella di 14 differenti radiologi.

 

Progettato per raggiungere obiettivi di sensibilità del 90% o specificità del 70%, in linea con le linee guida dell’OMS per questi tipi di tecnologia, il modello ha funzionato alla pari con i radiologi, raggiungendo una sensibilità dell’88% (vs il 75% dei radiologi) e una specificità del 79% (vs 84% dei radiologi). I risultati ottenuti indicano che il modello realizzato potrebbe essere in grado di facilitare lo screening della TBC in aree con risorse radiologiche limitate, hanno concluso i ricercatori. Prima di poterlo integrare in contesti clinici, il modello dovrà essere sottoposto a ulteriori valutazioni, fino ad ottenere la convalida clinica.

 

Il modello realizzato da Google rappresenta l’ultimo esempio di una tendenza, l’impiego di AI (Intelligenza Artificiale) nel settore healthcare, che ormai si fa sempre più massiccia. Negli ultimi anni si è assistito a una proliferazione delle ricerche volte a utilizzare l’intelligenza artificiale per migliorare l’imaging medico così come dei modelli di machine learning sviluppati utilizzando un approccio di crowdsourcing. Allo stesso tempo emergono le best practice per mitigare i bias negli strumenti basati su AI e ML (Machine Learning).

 

Il processo è lungo ma i risultati della sinergia tra tecnologia e medicina sono senz’altro promettenti.

Indietro