Blog

Nov 02, 2023

L'utilizzo dell'intelligenza artificiale con esami LDCT precedenti migliora la valutazione del rischio di noduli polmonari

3 agosto 2023 -- Un algoritmo di deep learning che incorpora informazioni provenienti da precedenti esami TC a basso dosaggio (LDCT) è più efficace per stimare il rischio di malignità a tre anni di noduli polmonari rispetto a

3 agosto 2023 -- Un algoritmo di deep learning che incorpora informazioni provenienti da precedenti esami TC a basso dosaggio (LDCT) è più efficace per stimare il rischio di tumore maligno a tre anni di noduli polmonari rispetto ai modelli che utilizzano un singolo esame TC da solo, hanno scoperto i ricercatori .

I risultati dello studio sottolineano come l'aggiunta dell'intelligenza artificiale ai dati di imaging possa aiutare i radiologi a caratterizzare meglio i noduli polmonari rilevati con l'LDCT, un compito che può essere difficile, secondo un team guidato da Kiran Venkadesh del Radboud University Medical Center di Nimega, nei Paesi Bassi. La ricerca del gruppo è stata pubblicata il 1° agosto su Radiology.

"[È] una sfida per i radiologi identificare e monitorare i noduli potenzialmente maligni", ha scritto il gruppo. "Nonostante la presenza di linee guida per la gestione dei noduli, una caratterizzazione accurata rimane noiosa ed è soggetta a variabilità tra e intralettore... L'intelligenza artificiale che utilizza il deep learning ha dimostrato risultati promettenti per la stima accurata del rischio di malignità dei noduli polmonari, soprattutto rispetto all'analisi istopatologica- norme di riferimento basate."

Il cancro al polmone causa il maggior numero di decessi correlati al cancro in tutto il mondo e la diagnosi precoce attraverso lo screening LDCT regolare è fondamentale per migliorare i risultati dei pazienti, ha spiegato il team. Ma l’LDCT può segnalare i noduli polmonari benigni, rendendo importante lo sviluppo di strumenti che possano aiutare i medici a caratterizzarli meglio. Secondo Venkadesh e colleghi, gli algoritmi di intelligenza artificiale si dimostrano promettenti in questo senso.

I ricercatori hanno valutato le prestazioni di un algoritmo di deep learning che incorpora informazioni precedenti sull'esame LDCT, confrontando questa combinazione con un algoritmo di deep learning più un singolo esame LDCT e il modello Pan-Canadian Early Lung Cancer Detection Study (PanCan) (PanCan è un studio che utilizza un algoritmo di previsione del rischio per valutare il rapporto costo-efficacia dello screening del cancro del polmone).

Il set di training dell'algoritmo di deep learning consisteva in 10.508 noduli (di cui 422 maligni, ovvero il 4%) in 4.902 partecipanti allo studio; i dati del set di allenamento provenivano dal National Lung Screening Trial (NLST). Due set di test consistevano in 129 noduli (43 dei quali maligni, pari al 33%) e 126 noduli (42 dei quali erano maligni, pari al 33%); questi dati provengono dal trial danese Lung Cancer Screening Trial (DLCST) e dal trial Multicentric Italian Lung Detection (MILD).

L’algoritmo di deep learning che incorporava i dati degli esami LDCT precedenti ha sovraperformato sia l’algoritmo più un singolo esame LDCT sia il modello PanCan, ha riferito il team.

Lo studio fornisce un prezioso contributo alla letteratura attuale, hanno scritto Carolyn Horst, PhD, del King's College di Londra nel Regno Unito e la collega Mizuki Nishino, MD, del Brigham and Women's Cancer Center di Boston in un commento di accompagnamento.

"La ricerca pubblicata da Venkadesh et al è il primo passo nell'utilizzo dell'intelligenza artificiale nell'imaging longitudinale nell'ambito dello screening del cancro al polmone, aprendo la strada all'integrazione dell'intelligenza artificiale e dell'imaging seriale per ottenere risultati migliori sia per i partecipanti che per i programmi di screening," scrissero.

Lo studio completo può essere trovato qui.