Secondo un nuovo studio, un sistema di intelligenza artificiale di recente sviluppo dell’Università del Michigan è in grado di analizzare le risonanze magnetiche cerebrali e fornire una diagnosi in pochi secondi. Il modello ha identificato patologie neurologiche con una precisione del 97,5% ed è stato anche in grado di valutare l’urgenza delle cure mediche necessarie ai pazienti.
Secondo i ricercatori, questa tecnologia, la prima nel suo genere, ha il potenziale per rivoluzionare il modo in cui vengono gestite le immagini cerebrali nei sistemi sanitari degli Stati Uniti. I risultati sono stati pubblicati sulla rivista Nature Biomedical Engineering .
“Con l’aumento della domanda globale di risonanza magnetica e il conseguente notevole carico di lavoro per i nostri medici e sistemi sanitari, il nostro modello di intelligenza artificiale ha il potenziale per ridurre tale carico, migliorando la diagnosi e il trattamento grazie a informazioni rapide e accurate”, ha affermato l’autore senior Todd Hollon, MD, neurochirurgo presso l’University of Michigan Health e professore assistente di neurochirurgia presso la UM Medical School.
Test del sistema Prima AI
Hollon ha chiamato la nuova tecnologia Prima. Nell’arco di un anno, il suo team di ricerca ha valutato il sistema utilizzando oltre 30.000 esami di risonanza magnetica.
Su oltre 50 diverse diagnosi radiologiche relative a importanti patologie neurologiche, Prima ha dimostrato prestazioni diagnostiche superiori rispetto ad altri modelli avanzati di intelligenza artificiale. Oltre a identificare la malattia, il sistema si è anche dimostrato in grado di determinare quali casi richiedessero una priorità più elevata.
Alcune patologie neurologiche, tra cui ictus ed emorragie cerebrali, richiedono cure mediche immediate. Hollon ha affermato che in queste situazioni Prima può allertare automaticamente gli operatori sanitari, consentendo un intervento tempestivo.
Il sistema è stato progettato per avvisare lo specialista più appropriato, come un neurologo specializzato in ictus o un neurochirurgo. Il feedback è disponibile immediatamente dopo che il paziente ha completato gli esami di diagnostica per immagini.
“L’accuratezza è fondamentale nella lettura di una risonanza magnetica cerebrale, ma tempi di risposta rapidi sono cruciali per una diagnosi tempestiva e risultati migliori”, ha affermato Yiwei Lyu, MS, co-primo autore e ricercatore post-dottorato in Informatica e Ingegneria presso l’Università del Michigan.
“In fasi cruciali del processo, i nostri risultati dimostrano come Prima possa migliorare i flussi di lavoro e semplificare l’assistenza clinica senza compromettere la precisione.”
Cos’è Prima?
Prima è classificato come un modello di linguaggio visivo (VLM), un tipo di intelligenza artificiale in grado di elaborare immagini, video e testo contemporaneamente in tempo reale. Sebbene l’intelligenza artificiale sia già stata applicata all’analisi delle risonanze magnetiche, i ricercatori affermano che Prima adotta un approccio diverso.
I modelli precedenti venivano in genere addestrati su sottoinsiemi accuratamente selezionati di dati di risonanza magnetica e progettati per svolgere compiti specifici, come l’identificazione di lesioni o la stima del rischio di demenza. Prima è stato addestrato su un set di dati molto più ampio.
Il team di Hollon ha utilizzato tutte le risonanze magnetiche disponibili raccolte da quando le cartelle cliniche radiologiche sono state digitalizzate presso l’University of Michigan Health. Ciò includeva oltre 200.000 esami di risonanza magnetica e 5,6 milioni di sequenze di immagini. Il modello ha inoltre incorporato le anamnesi cliniche dei pazienti e le motivazioni per cui i medici avevano richiesto ciascun esame di diagnostica per immagini.
“Prima funziona come un radiologo, integrando le informazioni relative all’anamnesi del paziente e i dati di imaging per produrre una comprensione completa del suo stato di salute”, ha affermato Samir Harake, co-primo autore e data scientist presso il Machine Learning in Neurosurgery Lab di Hollon.
“Ciò consente di ottenere prestazioni migliori in un’ampia gamma di attività di previsione.”
Affrontare i ritardi nelle risonanze magnetiche e la carenza di personale radiologico
Ogni anno, in tutto il mondo vengono eseguite milioni di risonanze magnetiche, molte delle quali mirate a diagnosticare patologie neurologiche. I ricercatori affermano che la domanda di questi esami sta crescendo più rapidamente della disponibilità di servizi di neuroradiologia.
Questo squilibrio ha contribuito alla carenza di personale, ai ritardi diagnostici e agli errori. A seconda del luogo in cui il paziente si sottopone alla scansione, i risultati possono richiedere giorni o anche di più.
“Che si tratti di sottoporsi a una TAC in una grande struttura sanitaria che deve affrontare un volume di pazienti in aumento o in un ospedale rurale con risorse limitate, sono necessarie tecnologie innovative per migliorare l’accesso ai servizi di radiologia”, ha affermato Vikas Gulani, MD Ph.D., coautore e direttore del Dipartimento di Radiologia presso UM Health.
“I nostri team dell’Università del Michigan hanno collaborato per sviluppare una soluzione all’avanguardia a questo problema, con un enorme potenziale di scalabilità.”
Il futuro dell’intelligenza artificiale nell’imaging medico
Sebbene Prima abbia ottenuto ottimi risultati, i ricercatori sottolineano che lo studio si trova ancora in una fase di valutazione iniziale. La ricerca futura si concentrerà sull’integrazione di informazioni più dettagliate sui pazienti e dati provenienti dalle cartelle cliniche elettroniche per migliorare ulteriormente l’accuratezza diagnostica.
Questo approccio rispecchia il modo in cui radiologi e medici interpretano le risonanze magnetiche e altri esami di diagnostica per immagini in contesti clinici reali. Sebbene l’intelligenza artificiale sia già utilizzata in ambito sanitario, la maggior parte dei sistemi esistenti è limitata a compiti ben definiti.
Hollon descrive Prima come “ChatGPT per l’imaging medico”, sottolineando che una tecnologia simile potrebbe essere eventualmente adattata ad altri tipi di immagini, tra cui mammografie, radiografie del torace ed ecografie.
“Proprio come gli strumenti di intelligenza artificiale possono aiutare a redigere un’e-mail o a fornire raccomandazioni, Prima mira a essere un copilota per l’interpretazione degli esami di diagnostica per immagini mediche”, ha affermato Hollon.
“Riteniamo che Prima sia un esempio concreto del potenziale trasformativo dell’integrazione tra sistemi sanitari e modelli basati sull’intelligenza artificiale per migliorare l’assistenza sanitaria attraverso l’innovazione.”
Altri autori: Asadur Chowdury, MS, Soumyanil Banerjee, MS, Rachel Gologorsky, Shixuan Liu, Anna-Katharina Meissner, MD, Akshay Rao, Chenhui Zhao, Akhil Kondepudi, Cheng Jiang, Xinhai Hou, Rushikesh S. Joshi, MD, Volker Neuschmelting, MD, Ashok Srinivasan, MD, Dawn Kleindorfer, MD, Brian Athey, Ph.D., Aditya Pandey, MD e Honglak Lee, Ph.D., tutti dell’Università del Michigan.
Finanziamenti/dichiarazioni: Questo lavoro è stato parzialmente finanziato dal National Institute of Neurological Disorders and Stroke (K12NS080223) dei National Institutes of Health.
Il contenuto è di esclusiva responsabilità degli autori e non rappresenta necessariamente il punto di vista ufficiale del NIH.
Questo lavoro è stato inoltre supportato dalla Chan Zuckerberg Initiative (CZI), dal Frankel Institute for Heart and Brain Health, dal Mark Trauner Brain Research Fund, dalla Zenkel Family Foundation, dalla Ian’s Friends Foundation e dal programma di sovvenzioni UM Precision Health Investigators Awards.
by 