L’intelligenza artificiale è ovunque: negli smartphone e nei gadget, nelle automobili, nelle case. Nessuno ha più dubbi, l’IA ha delle potenzialità enormi. Alcuni la temono, come Stephen Hawking ed Elon Musk, soprattutto un suo possibile utilizzo sbagliato, altri la abbracciano forse considerando poco i rischi, come Mark Zuckerberg. Sta di fatto che in futuro le macchine inizieranno a prendere sempre più decisioni per conto degli esseri umani, automatizzando processi di routine. Gli utilizzi dell’IA sono molteplici e in settori molto differenti tra loro. Ormai è usata in maniera estensiva anche nella medicina, a diversi livelli. Un settore con un grande potenziale, soprattutto riguardo l’utilizzo dell’IA per le diagnosi e terapie dei tumori. Ma anche l’IA necessita di parecchia attenzione, sopratutto nello sviluppo di algoritmi per tracciare la mappa nella crescita del cancro.
L’intelligenza artificiale (AI) ha un brillante futuro in medicina. Un team di ricercatori della NYU ha riorganizzato Google Inception v3, una rete neurale open source progettata per identificazione e per rilevare alcune forme di cancro ai polmoni con una precisione del 97%. Sono notizie incoraggianti per le oltre 200.000 persone con diagnosi di cancro ai polmoni ogni anno. Più di 150.000 persone muoiono ogni anno a causa di complicazioni legate alla malattia. Per insegnare all’algoritmo di distinguere tra immagini di tessuto canceroso e sano, i ricercatori hanno mostrato centinaia di migliaia di immagini tratte dal Cancro Genome Atlas, una biblioteca pubblica di campioni di tessuti dei pazienti.
Una volta che Inception ha capito come individuare le cellule cancerose con un’accuratezza del 99%, il passo successivo è stato insegnare a distinguere due tipi di cancro ai polmoni a parte l’adenocarcinoma da carcinoma a cellule squamose. Insieme, rappresentano le forme più diffuse della malattia, che uccide più di 150.000 persone all’anno. Mentre appaiono frustranti al microscopio, i due tipi di cancro sono trattati in modo molto diverso. Riuscire a farlo bene può significare la differenza tra la vita e la morte per i pazienti. Tanto più impressionante, il modello impiegava in media solo 20 secondi, in esecuzione su un PC con GPU singola, per calcolare le probabilità di classificazione. Successivamente, i ricercatori l’hanno addestrato per identificare non solo il tessuto canceroso, ma le mutazioni genetiche all’interno del tessuto.
In futuro, il team spera di estendere la classificazione del modello ad altri tumori polmonari meno comuni come il carcinoma a grandi cellule, oltre ai “sottotipi istologici” e caratteristiche come necrosi, fibrosi e altri. “Complessivamente, questo studio dimostra che l’apprendimento profondo delle reti neuronali convoluzionali potrebbe essere uno strumento molto utile per assistere i patologi nella loro classificazione delle immagini dell’intero diapositiva dei tessuti polmonari”, hanno scritto i ricercatori. “Questa informazione può essere cruciale nell’applicare la terapia mirata ai pazienti con cancro del polmone, aumentando così lo scopo e le prestazioni della medicina di precisione che mira a sviluppare un approccio multiplex con terapie su misura per il paziente”.
