Negli ultimi anni è entrato sempre più nell’immaginario collettivo il concetto di Intelligenza Artificiale o IA, con cui si intende “La scienza che ha come obiettivo quello di rendere le macchine capaci di prendere decisioni ragionevoli”.
Sebbene nell’immaginario collettivo sia associata all’immagine di robot antropomorfi, l’Intelligenza Artificiale è entrata da tempo in molti campi (progettazione edilizia e industriale, calcoli matematici o anche semplicemente nella domotica delle nostre case) automatizzando processi in maniera veloce e precisa, consentendo un significativo miglioramento della qualità delle attività umane che rimangono indispensabili per il corretto svolgimento delle procedure.
Tra le applicazioni vi è senza dubbio l’àmbito medico, in particolare la Diagnostica per Immagini.
In questi anni l’Intelligenza Artificiale è entrata in quasi tutti i processi di elaborazione delle immagini e recentemente nella interpretazione delle stesse.
Sono ormai molto diffusi i software di IA dedicati all’identificazione dei reperti patologici.
Ad esempio negli esami TC del torace è accertato, dalla letteratura scientifica, che l’IA ha prestazioni superiori ai Radiologi umani nell’identificare e caratterizzare i noduli polmonari.
La linea blu identifica la performance dell’IA mentre quella verde è riferita ai Radiologi.
Flusso di lavoro nell’imaging diagnostico
L’Intelligenza Artificiale entra in maniera silenziosa, discreta e quasi invisibile all’interno di tutti i processi necessari ad un esame radiologico: dalla sua prenotazione all’esecuzione, l’elaborazione e la generazione e consegna del referto.
In particolare, è recentissima l’introduzione di algoritmi specifici per il miglioramento della qualità delle immagini radiologiche, in particolare negli esami di risonanza magnetica (RM).
Ogni esame RM è infatti un complesso processo di acquisizione ed elaborazione di debolissimi segnali emessi dalle molecole di acqua all’interno del corpo umano, opportunamente stimolati da campi elettrici e magnetici variabili all’interno di un campo magnetico statico, per ricostruire immagini del corpo umano. Questo processo è reso difficile sia dalla presenza di rumore nei segnali acquisiti che da alcuni artefatti (i cosiddetti artefatti da troncamento) dovuti al fatto che l’immagine prodotta è comunque il risultato di alcuni passaggi matematici. La loro presenza rende talora difficoltoso per il medico radiologo trarre dalle immagini una corretta interpretazione diagnostica.
Ed è qui che entra in gioco l’Intelligenza Artificiale: analizzando un grande numero di casi, ben superiori a quanti ne riuscirebbe a vagliare un essere umano, è stata messo a punto un algoritmo di Deep Learning capace di intervenire direttamente sul dato originale (grezzo) acquisito per ricostruire immagini in cui rumore e artefatti sono fortemente abbattuti. Il risultato per il paziente è non solo quello di ottenere immagini di elevata qualità e di conseguenza favorire una più agevole diagnosi della propria patologia, ma anche un esame significativamente più rapido nella sua esecuzione. Quest’ultimo aspetto è molto importante per pazienti difficoltosi come i pazienti pediatrici o chi soffre di claustrofobia, che rappresenta per alcuni un ostacolo insormontabile all’esecuzione di esami RM.
Di seguito vengono riportati alcuni esempi che documentano i vantaggi ottenuti con il nuovo software di Intelligenza Artificiale.
Si tratta di sequenze eseguite con la stessa apparecchiatura RM utilizzando la vecchia tecnologia e successivamente applicando il nuovo software di IA.
Immagini di sinistra ricostruita con metodo tradizionale confrontata con quella di destra ricostruita tramite IA. Si noti il minore tempo di acquisizione nell’immagine di destra. Gentile concessione di GE Healthcare, “AIRTM simply better”, JB69383XX(1).
A sinistra la sequenza convenzionale, a destra quella con l’utilizzo del Deep Learning.
Si noti come la prima immagine è stata ottenuta in 3 minuti e 12 secondi mentre la seconda in solo 1 minuto e 40 secondi.
L’immagine sulla destra appare a più alta risoluzione ed è stata acquisita in meno della metà del tempo. Gentile concessione di GE Healthcare, “AIRTM simply better”, JB69383XX(1).
Passiamo ad alcune immagini con reperti patologici, confrontando immagini di RM tradizionale con le stesse sequenze ricostruite mediante IA.
Lesione midollare indicata dalla freccia. Più evidente nell’immagine ricostruita con IA. Gentile concessione di GE Healthcare, JB01044XX.
Sezione assiale: a sinistra RM convenzionale, a destra RM con IA.
Infiltrato edematoso nel capo lungo del bicipite femorale più evidente nella ricostruzione con IA.
A sinistra immagine addominale dai dettagli molto più evidenti quando ricostruita tramite AI. Sulla destra esempio di Delayed Enhancement con aria infartuata (freccia rossa) dai confini molto più delineati se ottenuta tramite AI. Gentile concessione di GE Healthcare, “AIRTM simply better”, JB69383XX(1).
Immagine del primo metatarso ad alta risoluzione ricostruita in maniera convenzionale (A) e con IA (B). Gentile concessione di GE Healthcare.
Infine, notevoli vantaggi si ottengono in caso di Pazienti per i quali è difficile il corretto posizionamento all’interno del macchinario.
Il software basato su algoritmi di Deep Learning permette di riconoscere com’è posizionato il paziente sul lettino, agevolando l’interpretazione per il Radiologo e rendendo più semplice confrontare eventuali esami successivi.
Nell’esempio riportato il Paziente ha la testa ruotata nelle immagini di sinistra e di destra e correttamente posizionata in quella centrale. Gentile concessione di GE Healthcare.
Il software fornisce immagini sovrapponibili come se il Paziente fosse sempre stato correttamente posizionato. Gentile concessione di GE Healthcare.
L’applicazione dell’Intelligenza Artificiale, nel controllo della qualità degli esami in risonanza magnetica, è in grado di fornire immagini particolarmente nitide con riduzione della durata dell’esame.
Dr. Gino Carnazza
