L’intelligenza artificiale per ottimizzare la Tac

Realizzato un modello per l’analisi automatizzata delle immagini Tac mediante algoritmi di intelligenza artificiale.
Archivio fotografico 123rf.com - Riproduzione riservata
Archivio fotografico 123rf.com - Riproduzione riservata

Un gruppo di ricercatori, fisici medici e radiologi del Dipartimento di Fisica e astronomia dell’Università di Firenze, dell’Azienda ospedaliero-universitaria Careggi, e dell’Azienda Usl Toscana centro, guidato da Sandra Doria dell’Istituto di chimica dei composti organo metallici del Consiglio nazionale delle ricerche di Firenze (Cnr-Iccom), è riuscito ad automatizzare il processo di valutazione della qualità d’immagine negli esami di tomografia computerizzata (Tc) utilizzando l’intelligenza artificiale, allo scopo di ridurre le radiazioni al paziente.

Al progetto, la cui modalità è stata descritta in uno studio pubblicato sul Journal of Medical Imaging (JMI), hanno collaborato anche l’Istituto superiore di sanità e la Fondazione Bruno Kessler di Trento, utilizzando le risorse computazionali messe a disposizione da Uniser Pistoia.

La tomografia computerizzata è uno degli strumenti diagnostici più potenti e consolidati tra quelli a disposizione della medicina moderna. Tuttavia, l’analisi manuale delle immagini che vengono prodotte attraverso questa metodologia richiede molto tempo e la loro qualità è direttamente proporzionale alla quantità di radiazioni a raggi X a cui un paziente deve essere sottoposto per lo scopo. “Il nostro gruppo ha creato un algoritmo, analizzando i dati generati dall’esame visivo che diversi medici radiologi hanno effettuato su immagini Tc di un fantoccio, realizzato allo scopo di replicare le caratteristiche dei tessuti umani e la presenza di lesioni artificiali. Successivamente, sono stati sviluppati due modelli di intelligenza artificiale che sono stati addestrati e testati attraverso l’utilizzo delle immagini e delle risposte dei medici raccolte precedentemente”, spiega Sandra Doria (Cnr-Iccom), coordinatrice della ricerca.

Questi modelli potrebbero rappresentare una strategia di valutazione automatica della qualità di un’immagine Tc, che consentirà di ottimizzare il dosaggio delle radiazioni, per non esporre i pazienti a una quantità di raggi X eccessiva. “Durante i trattamenti o le procedure diagnostiche, un paziente deve essere esposto a livelli minimi di radiazioni, secondo il principio noto ‘as low as reasonably achievable’ (ALARA). In quest’ottica, il personale medico deve trovare un compromesso tra l’esposizione ai raggi X e l’ottenimento di immagini di buona qualità, anche per evitare diagnosi errate. I risultati che abbiamo ottenuto attraverso questo studio sono molto promettenti: i nostri modelli possono identificare con accuratezza un oggetto inserito nel fantoccio, come sarebbe in grado di fare un medico radiologo. Auspichiamo, nel prossimo futuro, di riuscire ad applicare questi modelli su una scala più ampia e a rendere le valutazioni ancora più veloci e sicure, semplificando notevolmente il processo di ottimizzazione della dose di radiazioni utilizzata nei protocolli Tc. Questo aspetto è fondamentale per ridurre i rischi per la salute del paziente e per ottimizzare le tempistiche delle valutazioni mediche”, ha concluso Doria.

“La ricerca – spiega Alessandro Marconi che ha partecipato all’indagine per l’Università di Firenze – è la continuazione di un progetto avviato già nel 2019 dal Dipartimento Unifi di Fisica e Astronomia, grazie ad una convenzione con Aou Careggi, USL Toscana Centro e Istituto Superiore di Sanità, a cui è seguita un’ulteriore convenzione ampliata a Fondazione Bruno Kessler, Istituto per la Chimica dei Composti Organo-metallici del CNR e Uniser Pistoia. Grazie ad essa Careggi – conclude Marconi – continua a finanziare assegni e borse al nostro Dipartimento di Fisica e Astronomia per la ricerca, a cui adesso partecipano ricercatori da tutti gli enti coinvolti; Uniser, invece, ha finanziato l’acquisto di un server di calcolo ottimizzato per l’intelligenza artificiale”.

[Fonte: Ufficio stampa Consiglio Nazionale delle Ricerche]

COPYRIGHT: © 2017 UNIVERSITÀ DEGLI STUDI DI FIRENZE.
Eccetto dove diversamente specificato, i contenuti di questo post sono rilasciati sotto Licenza Creative Commons Attribution ShareAlike 4.0 International (CC BY-SA 4.0).

Written By
More from redazione

Ripensare la prognosi delle malattie del sangue

La mutuazione del gene che codifica la proteina TP53 non implica sempre...
Leggi di più