Grazie alla radiomica, che utilizza algoritmi matematici per valutare le immagini radiologiche, è possibile quantificare l’estensione e l’aggressività dei condrosarcomi ossei con una accuratezza diagnostica elevata
Ricercatori dell’Irccs Istituto Ortopedico Galeazzi di Milano e dell’Università degli Studi di Milano, in collaborazione con i colleghi dell’Università degli Studi di Napoli Federico II, hanno recentemente dimostrato il valore della radiomica e del machine learning nella valutazione dei condrosarcomi, tumori maligni dell’osso a contenuto cartilagineo.
Un enorme patrimonio di dati numerici, che non possono essere apprezzati “a occhio nudo” dal medico radiologo ma che possono contenere informazioni rilevanti, viene svelato grazie alla radiomica, branca specifica dell’intelligenza artificiale (IA) che utilizza algoritmi matematici per estrarre da immagini radiologiche valori numerici che, se elaborati e interpretati, possono fornire elementi utili per la diagnosi e la valutazione dell’evoluzione clinica di una malattia.
I ricercatori hanno quindi proposto un modello alternativo per la diagnosi dei condrosarcomi ossei interamente basato sull’interpretazione di immagini di risonanza magnetica da parte di algoritmi di machine learning basati sull’estrazione di dati numerici ottenuti con tecniche di radiomica.
Lo studio, pubblicato su European Journal of Radiology, ha visto coinvolti 58 pazienti con condrosarcomi di vario grado di aggressività, per i quali era necessario arrivare a una diagnosi accurata che ne indicasse l’effettiva gravità. La radiologia e la biopsia hanno qualche limite nel classificare i tumori di questa entità, pertanto l’impiego dell’IA ha permesso di quantificare l’estensione e l’aggressività del tumore, distinguendo le forme ad alto grado da quelle a basso grado, con una accuratezza diagnostica elevata, pari all’85%. Tale distinzione è essenziale dal punto di vista terapeutico, in quanto orienta il chirurgo ortopedico verso un approccio più o meno invasivo o addirittura verso un follow-up senza chirurgia in casi selezionati.
«L’intelligenza artificiale è ormai ampiamente utilizzata in campo medico e in particolare in ambito radiologico. I dati numerici ottenuti con tecniche di intelligenza artificiale possono essere utilizzati per addestrare dei computer a formulare le diagnosi – spiega il professor Luca Maria Sconfienza, coordinatore dello studio, responsabile dell’unità operativa di Radiologia Diagnostica e Interventistica al Galeazzi e docente all’Università degli Studi di Milano –. Questo studio mira a testare la validità della radiomica nella diagnosi di condrosarcoma. I nostri dati possono consentire di migliorare il risultato della biopsia, che talvolta può essere in difficoltà nel caratterizzare questo tipo di tumori».
Ma l’IA può supportare il chirurgo anche nel confermare una diagnosi che si poteva considerare già completa: «una sorta di second opinion virtuale – dice Sconfienza – che si traduce chiaramente in un beneficio per il paziente».
Andrea Peren
Giornalista Tabloid di Ortopedia
Bibliografia:
Gitto S, Cuocolo R, Albano D, et al. MRI radiomics-based machine-learning classification of bone chondrosarcoma. Eur J Radiol. 2020;128:109043.
I RISCHI DELLA RADIOMICA: MEDICO RIMANE FIGURA INSOSTITUIBILE_Per la diagnosi e il trattamento dei tumori ossei, la diagnostica per immagini svolge un ruolo chiave fornendo informazioni essenziali relative a caratteristiche, forma, dimensioni, sede ed estensione tumorale, elementi che risultano fondamentali per un corretto trattamento della neoplasia. Se da una parte la radiomica, branca specifica dell’intelligenza artificiale, fa intravedere un futuro di maggiore accuratezza e semplificazione della diagnosi, ci sono da valutare anche i possibili effetti negativi, portati alla luce da uno studio condotto da Andrea Barucci dell’Istituto di fisica applicata “Nello Carrara” del Consiglio nazionale delle ricerche (Cnr-Ifac) e dal radiologo dell’Università di Pisa Emanuele Neri, pubblicato sulla rivista European Journal of Nuclear Medicine and Molecular Imaging.
Lo studio ha evidenziato come il machine learning, che utilizza gli algoritmi per l’analisi delle immagini cliniche, può essere utilizzato anche per modificarle, creando i cosiddetti “attacchi avversi”, in grado di ingannare gli stessi sistemi di analisi e “pilotare” l’esito di una diagnosi. Un rischio che solo lo studio dell’IA può consentire di fronteggiare, sventando errori o azioni compiute in malafede.
«Nel mondo digitale, la sanità 4.0 si muove veloce verso una nuova visione, fondata su dati e integrazione di informazioni. Le analisi basate sull’IA costituiscono uno strumento sempre più diffuso in tutti gli ambiti clinici, suscitando grandi aspettative. Un esempio è la radiomica, ossia l’estrazione di parametri quantitativi dalle immagini radiologiche, con cui creare modelli diagnostici e predittivi: uno strumento ormai ampiamente utilizzato e, negli ultimi anni, rafforzato dall’introduzione delle reti neurali, dando origine alla deep-radiomics – spiega Andrea Barucci del Cnr-Ifac –. Il machine learning, su cui principalmente si fonda la potenza di queste analisi informatiche delle immagini, può tuttavia essere usato anche in modo negativo, per creare attacchi avversi ai sistemi di analisi delle immagini, cioè modifiche ad hoc delle immagini, impercettibili anche all’occhio umano esperto, studiate per ingannare gli stessi algoritmi e pilotare l’esito di una diagnosi».
Lo studio dei due ricercatori definisce questo fenomeno in ambito di imaging radiologico come “adversarial radiomics”: «Un’analogia con il più ampio campo di ricerca dell’adversarial machine learning, in cui il fenomeno è studiato da anni, per esempio, nella cyber-security e nella guida autonoma», aggiunge Emanuele Neri.
«Gli esempi avversi sono un problema relativamente recente nello studio del machine learning, ma la loro applicazione all’imaging clinico è un ambito ancor più nuovo e con risvolti sociali importanti, ad esempio nelle frodi assicurative – prosegue Barucci –. D’altronde proprio lo studio di questi esempi avversi è estremamente utile per approfondire la comprensione di algoritmi complessi come le reti neurali e migliorare lo sfruttamento degli strumenti informatici a disposizione».
«L’intuizione del radiologo è ancora essenziale nel controllo e nell’integrazione delle complesse analisi fornite dagli algoritmi di intelligenza artificiale e il futuro impone una sempre maggiore armonizzazione fra l’analisi informatica e quella umana – conclude Neri –. Lo studio vuole mettere in luce come i nuovi strumenti di analisi digitale basati sull’IA dovranno essere sempre più volti proprio a migliorare questa interazione».
Andrea Peren
Giornalista Tabloid di Ortopedia
Barucci A, Neri E. Adversarial radiomics: the rising of potential risks in medical imaging from adversarial learning [published online ahead of print, 2020 May 26]. Eur J Nucl Med Mol Imaging. 2020;10.1007/s00259-020-04879-8.
