La ricerca dell’UMC Utrecht mostra che l’intelligenza artificiale può aiutare i patologi a valutare il linfonodo sentinella in modo più efficiente. Questa valutazione è necessaria per individuare possibili metastasi del cancro al seno. L’utilizzo dell’assistenza dell’intelligenza artificiale per rilevare queste metastasi riduce significativamente i costi, è sicuro, fa risparmiare tempo ai patologi e rende il loro lavoro più piacevole.
I risultati del gruppo di ricerca sono stati pubblicati oggi sullo Scientific Medical Journal Cancro della natura.
Leggi la versione inglese >
“La domanda di cure e i costi sanitari stanno aumentando drammaticamente, e c’è già una carenza globale di patologi”, afferma Carmen van Duijwaert, epidemiologa clinica e medico post-dottorato. “Utilizzando l’intelligenza artificiale, i patologi possono dedicare meno tempo alla valutazione dei linfonodi e noi risparmiamo sui costi (win-win), mentre la diagnosi rimane sicura per i pazienti. Questo ci piace perché dimostra che se si applica l’intelligenza artificiale in questo modo sicuro, non lo si farà risparmi solo tempo e denaro. Inoltre renderà il lavoro dei patologi più divertente.
L’intelligenza artificiale identifica le metastasi più velocemente (e in modo più economico).
Dopo la rimozione di un nodulo al seno di una donna per cancro al seno, spesso viene rimosso anche il linfonodo sentinella. Questo è il linfonodo che per primo raccoglie il fluido linfatico dal tumore. Quando il cancro al seno si diffonde, le cellule tumorali finiscono prima nel linfonodo sentinella. Questo è il motivo per cui i patologi esaminano sempre attentamente questo tessuto, perché questo può determinare se ci sono metastasi. Dall’implementazione della patologia digitale nel 2015, all’UMC Utrecht questa non viene più eseguita utilizzando un microscopio, ma dietro uno schermo.
I patologi a volte vedono queste metastasi con l’occhio, ma più piccole sono le metastasi, più difficile è. Inoltre, devono controllare attentamente tutte le diapositive. Per assicurarsi che non manchino metastasi, i patologi esaminano nuovamente le sezioni (fette sottili) del tessuto ghiandolare. Quindi utilizzano una colorazione aggiuntiva con anticorpi che riconoscono le proteine specifiche del tumore.
“Poiché questi anticorpi hanno una etichetta colorata, le cellule tumorali diventano chiaramente visibili”, continua Carmen. “In questo modo è possibile vedere se ci sono ancora cellule tumorali che non sono state rilevate durante la prima valutazione, senza ulteriore colorazione. Queste colorazioni aggiuntive sono (relativamente) costose, circa 25 euro per sezione di tessuto, di cui già facciamo (almeno). cinque.” Per ciascun linfonodo sentinella. A volte è necessario esaminare più blocchi di tessuto provenienti da più linfonodi sentinella, quindi i costi si sommano molto rapidamente e, inoltre, si tratta principalmente di un compito intenso e dispendioso in termini di tempo per il patologo.
Più veloce ed economico?
Durante lo studio CONFIDENT-B, Carmen ha studiato se l’intelligenza artificiale potesse aiutare a valutare l’istologia del linfonodo sentinella in modo più efficiente. Si potrebbe farlo più velocemente, tenendo conto dell’aumento dei costi sanitari, e a un costo inferiore, senza il rischio di perdere cellule tumorali se vengono eliminati ulteriori punti?
“In realtà è possibile utilizzare l’intelligenza artificiale in due modi: in modo completamente autonomo (“Autonomous AI” – ndr) o come assistente di un operatore sanitario (“Assistant AI – ndr)”, spiega Carmen. “Con l’intelligenza artificiale autonoma, l’algoritmo decide in modo completamente indipendente se c’è un tumore o meno. Questo è molto interessante e attualmente inimmaginabile. E se l’algoritmo fosse sbagliato? Ciò solleva tutti i tipi di domande etiche e legali: quanto è sicuro iniziare a usarlo l’algoritmo nel più breve tempo possibile?
Carmen e il suo team hanno effettivamente utilizzato quest’altra forma di intelligenza artificiale, ovvero l’assistenza dell’intelligenza artificiale. L’algoritmo ti aiuterà in questo caso, ma dovrai comunque guardare tu stesso il risultato. Quindi il patologo continua a guardare le sezioni.
“La nostra applicazione AI, che non abbiamo sviluppato noi ma che abbiamo concesso in licenza a Visiopharm, esegue il riconoscimento della struttura”, afferma Carmen. “Segnala” qualunque cosa pensi il patologo: ‘Questo non appartiene a un linfonodo.'” L’algoritmo quindi mette un cerchio rosso, arancione o giallo attorno ad esso, a seconda di quanto sia sospetto che l’algoritmo trovi il punto .
Questi segnali danno ai patologi il segnale che devono guardare qualcosa, ma poi lo fanno in modo molto più mirato e quindi non devono guardare attentamente l’intera sezione.
L’innovazione che riduce i costi sanitari
Durante l’esperimento, Carmen ha lavorato con due serie di linfonodi sentinella. Per un gruppo è stata seguita la procedura standard, mentre per l’altro gruppo è stata utilizzata per prima l’intelligenza artificiale. Nel gruppo AI, Carmen ha prima eseguito l’applicazione AI, quindi i patologi hanno esaminato specificamente i punti cerchiati. Questo esame viene eseguito rapidamente dal patologo, spesso senza la necessità di ulteriori colorazioni costose.
E immaginare cosa? Nel gruppo AI è stato necessario meno tempo e si è rivelato molto più economico lavorare in questo modo. “Durante la prova abbiamo già risparmiato 3.000 euro in ulteriori colorazioni, il che può equivalere a decine di migliaia di euro all’anno”, afferma Carmen.
Il risparmio aumenta solo se si considera che in alcuni ospedali spesso si avviano immediatamente costose colorazioni aggiuntive per poter lavorare più velocemente. Il documento sviluppa inoltre diversi scenari che consentiranno ad altri laboratori di patologia di calcolare il potenziale risparmio sui costi derivante dall’utilizzo dell’intelligenza artificiale per questa applicazione.
Naturalmente, durante lo studio è stato effettuato un ulteriore controllo per verificare se la procedura di IA fosse sicura: in tutti i casi in cui non sono state rilevate cellule tumorali, è stata eseguita un’ulteriore colorazione e l’IA è risultata corretta. Inoltre, la conclusione unanime dei patologi partecipanti è stata che lavorare con l’algoritmo rende il loro lavoro più piacevole.
Paul van Diest, responsabile della patologia e responsabile della ricerca: “Questa ricerca ha dimostrato che utilizzando l’intelligenza artificiale possiamo rilevare le metastasi nei linfonodi in modo sicuro, più rapido ed economico. Ciò contribuisce in modo significativo alla fattibilità commerciale dell’introduzione dell’intelligenza artificiale nella patologia, perché purtroppo esiste nessun compenso per questo.”
I patologi dell’UMC Utrecht ora lavorano con questo metodo come standard per il cancro al seno e forse il primo del suo genere al mondo.
Domande, commenti o suggerimenti per gli editori?
“Esploratore. Imprenditore impenitente. Fanatico dell’alcol. Scrittore certificato. Aspirante evangelista televisivo. Fanatico di Twitter. Studente. Studioso del web. Appassionato di viaggi.”
