Osservare il cielo con l’IA per rilevare il cancro della pelle
La pratica di riferimento per rilevare i tumori della pelle è tutt’oggi piuttosto lunga e inefficiente. I dermatologi devono esaminare e monitorare i nei, o nevi, per individuare i primi segni del melanoma, un tipo di cancro della pelle. Inoltre, i pazienti con molti nei devono imparare come controllarli autonomamente in modo efficace. La mappatura dei nei contribuisce al loro monitoraggio grazie all’acquisizione di un’immagine ad ampio raggio del paziente in condizioni standard, per garantire la coerenza tra le fotografie. Ciononostante, le visite di controllo successive sono ancora effettuate di persona e le immagini sono impiegate puramente come riferimento visivo. Nel frattempo, l’incidenza del melanoma cresce in tutto il mondo. La diagnosi precoce è fondamentale per questa malattia: oltre il 95 % delle persone il cui melanoma è diagnosticato precocemente hanno tassi di sopravvivenza di cinque anni o più, rispetto a percentuali molto inferiori per le diagnosi in stadi avanzati. Nel corso del progetto MOLEGAZER, finanziato dal Consiglio europeo della ricerca, i ricercatori hanno trasformato un algoritmo utilizzato per monitorare il cielo notturno in uno strumento in grado di individuare il mutamento dei nevi e identificare potenziali tumori della pelle sull’essere umano. «Il progetto MOLEGAZER si propone di automatizzare l’individuazione dei nevi, monitorarne l’evoluzione e assistere i medici nella diagnosi precoce del melanoma», osserva Mark Sullivan, professore di astrofisica all’Università di Southampton.
Gli algoritmi che scansionano il cielo notturno
Il progetto MOLEGAZER ha impiegato algoritmi che individuano i cambiamenti nelle immagini astronomiche, come quelle delle esplosioni stellari. «I nostri centri astronomici effettuano un’analisi della volta celeste regolarmente ogni pochi giorni, rilevando milioni di stelle e galassie», aggiunge Sullivan. Gli algoritmi individuano pixel dell’immagine collegati tra loro, che differiscono dallo sfondo, e li monitorano nel tempo per verificare eventuali variazioni di forma, dimensione, luminosità e altre caratteristiche. Successivamente, gli oggetti interessanti sono individuati in base al cambiamento di queste proprietà.
Adattare gli algoritmi alle immagini della pelle
In astronomia, gli oggetti più luminosi sono i più facili da individuare. «Purtroppo, però, i nevi non brillano!», commenta Sullivan. «Abbiamo quindi pre-elaborato le immagini per aumentare l’intensità del nevo rispetto al resto del corpo.» Mentre i bordi di stelle, galassie e supernovae sfumano gradualmente sullo sfondo, il melanoma ha un contorno netto. «Questa caratteristica si è rivelata un vantaggio: grazie a semplici algoritmi di rilevamento dei contorni abbiamo segmentato i nevi in modo affidabile e combinato i dati con le nostre mappe di intensità, per selezionare con sicurezza le regioni di interesse per i controlli dermatologici», spiega lo studioso. Nel corso del progetto MOLEGAZER, il team ha curato un set di dati ricavati dalla mappatura dei nei di pazienti ad alto rischio di melanoma. Questa risorsa fondamentale è stata quindi utilizzata per addestrare gli algoritmi. I ricercatori hanno inoltre prodotto una banca dati di tutte le caratteristiche della pelle identificate in tali immagini.
Ottimizzare l’intelligenza artificiale per la pelle umana
Il team di ricerca sta continuando a perfezionare gli algoritmi in un ciclo di apprendimento attivo, nel quale alcuni dermatologi ispezionano visivamente le immagini delle regioni rispetto a cui l’algoritmo dimostra più dubbi. Questo leggero stimolo addestra gli algoritmi a distinguere con più sicurezza i nevi o i melanomi anomali da altri elementi benigni sulla pelle dei pazienti. La fase successiva consisterà nell’attuazione e nel collaudo del metodo su un numero più ampio di fotografie di persone, utilizzando soggetti con tipi di pelle diversi. Rubeta Matin, consulente dermatologa presso l’Oxford University Hospitals NHS Foundation Trust e parte del team di MOLEGAZER, spiega: «Questo strumento di assistenza ai medici ha un potenziale enorme: può infatti ottimizzare il monitoraggio in una percentuale significativa della popolazione con oltre 60 nei sul corpo e che, altrimenti, avrebbe notevoli difficoltà a identificare un sospetto melanoma.»
Parole chiave
MOLEGAZER, nevi, nevo, IA, umano, pelle, melanoma, immagine, segmento, rilevare, cancro
