Diagnosi assistita dal computer di cancro al seno
La sopravvivenza al cancro al seno richiede diagnosi e trattamento in una fase molto precoce. Metodi in grado di rilevare lesioni maligne di dimensioni inferiori a 10 mm possono ridurre significativamente i decessi correlati al cancro al seno. Tuttavia, il rilevamento di lesioni non di massa mediante risonanza magnetica (RM) è difficile, con un alto tasso di falsi positivi che porta a interventi invasivi non necessari. L’affermarsi dell’intelligenza artificiale ha consentito di ottenere attività molto impegnative in pochi secondi grazie a nuovi algoritmi di apprendimento automatico. Il progetto SmartMammaCAD, finanziato dall’UE, ha proposto di impiegare tali approcci di apprendimento automatico per migliorare le prestazioni diagnostiche della risonanza magnetica con contrasto dinamico (DCE, dynamic contrast enhance). «Volevamo sviluppare un nuovo sistema automatizzato che supportasse ilradiologo nella diagnosi del cancro al seno», spiega il dott. Ignacio Álvarez, coordinatore del progetto e borsista Marie Skłodowska-Curie. L’apprendimento automatico migliora la diagnosi basata sulla RM Le lesioni non di massa mostrano un aspetto eterogeneo, nonché un’elevata variazione delle caratteristiche cinetiche e dei parametri morfologici tipici. Questo comportamento dinamico delle lesioni non di massa si sovrappone al tessuto fisiologico, ponendo una sfida per la diagnosi basata sulla RM. Per migliorare l’accuratezza diagnostica e l’efficienza delle lesioni mammarie correlate al cancro, i ricercatori hanno impiegato nuovi algoritmi di apprendimento automatico e di elaborazione dei segnali. Seguendo il coordinamento e la cooperazione multidisciplinare, SmartMammaCAD ha generato un set di dati di diverse centinaia di immagini mediche tridimensionali ottenute da pazienti reali contenenti le annotazioni dei radiologi sulle lesioni. Informazioni distintive estratte da queste immagini sono state utilizzate per addestrare il sistema a identificare le lesioni non di massa. Nuovi algoritmi hanno consento il rilevamento automatico di strutture simili a pareti nell’immaginografia medica, isolando quindi i segnali dinamici del seno dalle fonti rumorose separate dalla parete toracica. Ciò costituisce un componente integrale del software SmartMammaCAD e ha consentito ai ricercatori di eseguire una corretta segmentazione e discriminazione del tessuto mammario da altri organi. Ulteriori tecniche di compensazione del movimento hanno ridotto con successo l’impatto del rumore e dei disallineamenti sui segnali rilevanti. Secondo il dott. Ramírez, «il principale risultato di questo progetto è stata la scoperta che è possibile sfruttare il comportamento dinamico dei tessuti per migliorare le prestazioni di classificazione nelle lesioni non di massa». Mentre alcune informazioni sulle lesioni quali forma, bordi e dimensioni sono difficili da definire, è possibile sfruttare il comportamento dinamico per discriminare le lesioni non di massa dal tessuto mammario normale. Il futuro della diagnosi del cancro al seno assistita dal computer Nel complesso, si prevede che il sistema SmartMammaCAD abbia un impatto positivo sulla salute dei cittadini europei migliorando la diagnosi di malattie potenzialmente letali quali il cancro al seno. Il vantaggio più importante della diagnosi CAD nel cancro al seno è la riduzione delle biopsie. «Sebbene sia difficile valutare quanto possa essere utile un sistema CAD nella lotta contro il cancro al seno a lungo termine, un sistema accurato con un’elevata specificità può infondere fiducia nel rilevamento», confessa il dott. Ramírez. Il metodo di controllo proposto da SmartMammaCAD per superare il tasso di falsi positivi corrente ha migliorato la sensibilità e la specificità del rilevamento delle lesioni non di massa fino al 20%. I partner sperano che questo risultato riesca a far riacquistare la fiducia dei radiologi per i sistemi CAD. Considerando che la densità del seno sta emergendo come importante fattore di rischio per il cancro, i partner di SmartMammaCAD intendono migliorare l’efficienza della segmentazione del seno del loro sistema. Il sistema può anche essere esteso in modo da incorporare informazioni provenienti da altre modalità di immaginografia, aumentando il rilevamento e l’accuratezza della classificazione.
Parole chiave
SmartMammaCAD, cancro al seno, lesioni non di massa, diagnosi computerizzata (CAD), apprendimento automatico, risonanza magnetica con contrasto dinamico (DCE)
