I ricercatori del Massachusetts Institute of Technology e del Massachusetts General Hospital hanno sviluppato un nuovo strumento di intelligenza artificiale per rilevare il cancro al seno nelle donne fino a cinque anni prima. Il modello di apprendimento profondo creato dal team può prevedere, basandosi solo su una mammografia, se una donna svilupperà il cancro al seno in futuro.
Il metodo
Il primo passo è stato esaminare le mammografie di oltre 60.000 pazienti trattati al Massachusetts General. I ricercatori hanno poi identificato le donne che hanno sviluppato il cancro al seno entro cinque anni dagli esami. Con questi dati, hanno creato un modello che riconosce i modelli sottili nel tessuto mammario che sono i primi segni di cancro.
Secondo Regina Barzilay, una degli autori dello studio e guarita dal cancro al seno, spera che sistemi come questo consentiranno ai medici di personalizzare i programmi di screening e prevenzione a livello individuale, rendendo la diagnosi tardiva una reliquia del passato.
Dalla creazione del primo modello del 1989, tali schemi sono stati guidati dalla conoscenza e dall’intuizione di quali fattori costituiscono un rischio per la malattia. Esempi di fattori includono: età, storia familiare di cancro al seno e alle ovaie, fattori ormonali e riproduttivi e densità del seno.
Tuttavia, la maggior parte di questi marcatori sono solo scarsamente correlati con il cancro al seno. Di conseguenza, anche dopo decenni di sviluppo, i modelli attuali non sono ancora sufficientemente accurati a livello individuale e non sono possibili programmi di tracciamento basati sul rischio.
Piuttosto che identificare manualmente i modelli su una mammografia che potrebbe portare al cancro in futuro, il team ha addestrato un modello di apprendimento profondo per indurre modelli direttamente dai dati.
Modello personalizzato
Sono state utilizzate informazioni da oltre 90.000 mammografie per consentire all’intelligenza artificiale di imparare a selezionare modelli troppo sottili e troppo complessi per essere rilevati dall’occhio umano.
A partire dagli anni ’60, i radiologi hanno notato che le donne hanno modelli di tessuto mammario unici e ampiamente variabili, visibili sulla mammografia. Questi modelli possono rappresentare l’influenza di genetica, ormoni, gravidanza, allattamento, dieta, perdita di peso e aumento di peso.
Ora possiamo sfruttare queste informazioni specifiche per essere più rigorosi nel valutare il rischio individuale di una donna. “Invece di adottare un approccio standard, possiamo adattare lo screening al rischio di una donna che sviluppa un cancro“, spiega Barzilay. “Ad esempio, un medico può raccomandare ulteriori test di risonanza magnetica per le donne ad alto rischio valutate dal modello“.
L’intelligenza artificiale ha anche il potenziale di aiutare a correggere la disparità razziale nella salute delle donne. Uno studio, pubblicato sulla rivista JAMA Surgery nel 2018, ha dimostrato che le linee guida attuali per il cancro al seno si basano principalmente sullo studio delle popolazioni bianche. Questo può portare a un ritardo nella rilevazione del cancro nelle donne di altre etnie.
Ciò ha gravi conseguenze: le donne di colore hanno il 43% in più di probabilità di morire di cancro al seno rispetto alle donne bianche. In media, le donne ispaniche, nere e asiatiche sviluppano il cancro al seno in età precoce rispetto alle donne caucasiche.
Nel nuovo studio, gli scienziati hanno scoperto che il loro modello di intelligenza artificiale funzionava sia pazienti di colore che bianche per un semplice motivo: i dati nutriti su di esso includevano entrambe le popolazioni.
Passi successivi
Gli scienziati stanno ora cercando collaborazioni con altri ospedali per convalidare il modello in popolazioni più diverse e garantire che sia equo. I numeri preliminari sono promettenti. “Il nostro obiettivo è rendere questi progressi parte dello standard di cura. Prevedendo chi svilupperà il cancro in futuro, possiamo trattarlo prima che i sintomi si manifestino e speriamo di salvare vite umane“, ha detto Adam Yala, un altro investigatore dello studio.
I risultati sono stati pubblicati in un articolo sulla rivista Radiology.
