DeepTrace Tech, spin off IUSS Pavia, lancia un nuovo strumento di deep learning per diagnostica medica.
Grazie a un algoritmo chiamato TRACE4BDensity sviluppato da DeepTrace Technologies, spin off IUSS Pavia, un gruppo di ricercatori italiani hanno addestrato un software per classificare il grado di densità del tessuto mammario.
Lo studio è stato pubblicato su Radiology Artificial Intelligence.
DeepTrace Technologies, spin off della Scuola Universitaria Superiore IUSS Pavia segna un nuovo traguardo scientifico raggiunto attraverso lo sviluppo di TRACE4BDensity, lo strumento di intelligenza artificiale (AI) che consente ai radiologi di classificare in modo accurato e coerente la densità del seno nelle mammografie di routine.
La densità del seno è la proporzione di tessuto fibroghiandolare nel seno comunemente valutata sulle mammografie. L'elevata densità mammaria è un fattore di rischio indipendente per il cancro al seno, e il suo effetto di mascheramento delle lesioni sottostanti riduce la sensibilità della mammografia.
Attualmente nella pratica clinica la densità del seno viene valutata visivamente su mammografie a due visualizzazioni, con la scala a quattro categorie dell’American College of Radiology Breast Imaging-Reporting and Data System (BI-RADS), che vanno dalla categoria A per i seni quasi interamente grassi alla categoria D per seni estremamente densi. Il sistema però presenta dei limiti, poiché la classificazione visiva è soggetta alla variabilità tra osservatori, a cause delle possibili differenze nelle valutazioni tra due o più persone, o alla variabilità nelle valutazioni ripetute della stessa persona.
Per superare questa variabilità, i ricercatori in Italia hanno sviluppato un software per la classificazione della densità mammaria basato su un sofisticato tipo di intelligenza artificiale chiamato deep learning con reti neurali convoluzionali. I ricercatori hanno addestrato il software, chiamato TRACE4BDensity, sotto la supervisione di 7 radiologi esperti che hanno valutato visivamente 760 immagini mammografiche in modo indipendente. La convalida esterna dello strumento è stata eseguita dai tre radiologi più vicini al consenso su un set di dati di 384 immagini mammografiche ottenute da un centro diverso.
TRACE4BDensity ha mostrato un'accuratezza dell'89% nel distinguere tra tessuto mammario a bassa densità (categorie BI-RADS A e B) e ad alta densità (categorie BI-RADS C e D), con una concordanza del 90% tra lo strumento e la valutazione dei tre radiologi esperti. Nei casi di parere discordante tra lo strumento e i radiologi, il disaccordo è sempre avvenuto tra categorie adiacenti.[c1]
"Il valore particolare di questo strumento è la possibilità di superare la riproducibilità non ottimale della classificazione visiva della densità da parte del medico, che limita la sua usabilità pratica", ha spiegato il co-autore dello studio Sergio Papa, MD, del Centro Diagnostico Italiano di Milano, Italia. "Avere uno strumento robusto che propone l'assegnazione della densità in modo standardizzato può aiutare molto nel processo decisionale".
Un tale strumento sarebbe particolarmente prezioso, hanno affermato i ricercatori, poiché in grado di rendere lo screening del cancro al seno più personalizzato, con la valutazione della densità che rappresenta un fattore importante nella stratificazione del rischio.
"Uno strumento come TRACE4BDensity può aiutarci a consigliare alle donne con alta densità mammaria di avere, dopo una mammografia negativa, uno screening supplementare con imaging ad ultrasuoni, risonanza magnetica o mammografia con contrasto", ha detto un altro co-autore dello studio, Francesco Sardanelli, MD, dell'IRCCS Policlinico San Donato a San Donato, Italia.
I ricercatori pianificano ulteriori studi per comprendere meglio le piene capacità del software.
“Vorremmo valutare ulteriormente lo strumento di AI TRACE4BDensity, in particolare nei Paesi in cui le normative sulla densità mammaria delle donne non sono attive, valutando l’utilità di tale strumento per radiologi e pazienti”, ha affermato il coautore dello studio Christian Salvatore, Ph.D., ricercatore senior, Scuola Universitaria Superiore IUSS Pavia e co-fondatore e amministratore delegato di DeepTrace Technologies. [c2]
DeepTrace Technologies S.r.l. fornisce tecnologie intelligenti che aumentano le capacità umane nel rilevare e prevedere tempestivamente gli effetti di cambiamenti importanti nelle risorse globali che incidono sulla società. La salute è la principale risorsa. Basate su intelligenza artificiale, le tecnologie DeepTrace offrono soluzioni a basso costo e con risparmi di tempo. Queste tecnologie sono non invasive, scalabili, replicabili, sostenibili e supportano il coinvolgimento degli utenti nella gestione delle decisioni fornendo risultati comprensibili. Un software AI con certificazione di dispositivo medico viene fornito agli operatori sanitari con un time-to-market altamente competitivo.
Autore: Redazione Medicina33.com