• 16 June 2024
Radiomica e AI

Indice

Quanti centri specializzati e laboratori di analisi si stanno realmente interessando al cambiamento legato alla nuova frontiera dell’AI? La risposta questa volta è positiva.

Percentuali e innovazione diagnostica

In Italia l’uso e la richiesta di nuovi macchinari che abbiano al loro interno implementata l’intelligenza artificiale sono sempre di più. Questo perché si è ormai compreso che l’ottimizzazione delle tempistiche può dare una vera svolta alla diagnosi precoce e alla presa in carico personalizzata di ogni paziente. Secondo un recente studio il 43% dei medici italiani afferma oggi di avere già utilizzato l’intelligenza artificiale a supporto della propria professione. Oltre all’AI dai dati emerge anche la disponibilità a mettere in campo le nuove tecnologie abilitanti che includono dispositivi IoT e sistemi robotici. In più, l’87% dei medici italiani è più che favorevole all’uso della tecnologia in ambito sanitario

Il termine giusto per definirla è quello di Radiomica. Parliamo della nuova modalità di fare diagnostica per immagini. Il campo della radiologia medica è entrato nell’era dell’innovazione e della precisione. La Radiomica si presenta come uno sguardo profondo, veloce e ormai divenuto fondamentale per riuscire ad individuare nuovi marker diagnostici valutando in modo del tutto nuovo e soprattutto precoce, se e come ci sarà risposta ad una data terapia. Tutto ciò grazie all’uso dell’’AI, che riesce ad interpretare il dato digitale numerico acquisito durante la TAC o la risonanza.

Radiomica e valori numerici

Il nome Radiomica non dà però la definizione più corretta per portare alla luce la modalità completamente diversa di azione tecnologica. Nello specifico bisogna andare ad interpretare non più le immagini nella loro totalità, così come si era fatto fino a questo momento. Quello che questa nuova tecnica di visualizzazione porta è l’uso di una lettura che si va a basare sull’algoritmo, sul numero nello specifico. Questo vuol dire che viene dato un valore ai dati numerici e alla loro presenza all’interno del tessuto studiato. Immagini, numeri e valori spaziali dati. Tutto questo attraverso il machine learning. La Radiomica secondo questo versante interpretativo viene definita anche “analisi della tessitura”.

I risvolti sono davvero tanti e tutti positivi, ma c’è bisogno comunque di formare sempre più velocemente il personale addetto a questa tipologia di analisi diagnostica rendendolo profondamente edotto sull’argomento. I progressi nel campo soprattutto oncologico, non tarderanno a far vedere nuovi risultati. Questo perché non ci si concentra più unicamente sulla possibilità e tipologia di intervento ma si cerca di capire la “materia” in tutte le sue accezioni prima di fare qualunque altra scelta. La messa in opera di questa linea può portare solo a risultati positivi. Non si interviene unicamente sulla neoplasia, ad esempio, ma cercare di capire prima quale possa essere l’intervento migliore e mirato per quella stessa forma tumorale, “vista” con uno sguardo perfettamente algoritmico.

Obiettivi mirati e AI oncologica

L’obiettivo della Radiomica è nello specifico quello di riuscire a garantire che sia fatto un intervento perfettamente in linea con le esigenze di ogni paziente, attraverso un’analisi predittiva che dovrebbe avere in sé le risposte anche di una seguente terapia da applicare. Le immagini mediche che nascono quindi attraverso un processo di data mining risultano essere un elemento davvero prezioso, soprattutto in campo oncologico.

Le tecniche di data mining si riferiscono all’insieme di quei metodi e processi a cui si fa riferimento, per estrarre informazioni utili da grandi quantità di dati. Queste tecniche sono in gran parte automatizzate e si basano su specifici software e algoritmi. Possiamo dividere le tecniche di data mining in due obiettivi principali. Il primo implica l’osservazione di modelli, associazioni e correlazioni nei dati stessi. Il secondo si basa sulla predizione dei risultati ottenuti.  E questo, naturalmente, viene fatto attraverso l’uso di algoritmi di machine learning.  

Conclusioni

L’AI può fornire oggi  molti più dettagli sulla struttura interna di una dato tessuto che altrimenti non potrebbero essere captati da occhio umano. In più, come abbiamo detto, facilita l’interpretazione dei dati stessi attraverso un procedimento di interazione rapida. Il continuo rimando (nella pratica) alle nuove tecnologie abilitanti e in particolare legate all’AI porterà ad un cambiamento epocale della diagnostica per immagini, aiutando molti medici a fare della predittività un nuovo metodo di analisi.