L’IA pronta a diventare uno strumento diagnostico medico indispensabile

Nuovi Strumenti per Vecchie Diagnosi

L’ispezione visiva rimane importante in molte diagnosi. Per interpretare correttamente il timpano e riconoscere le patologie dell’orecchio servono formazione ed esame clinico adeguati.

L’esperienza del professionista influisce sulla diagnosi di otite media acuta (OMA). Studi precedenti hanno riportato accuratezze diagnostiche comprese tra il 30% e l’84%, secondo la formazione, il tipo di operatore e l’età dei bambini. Non si tratta di un confronto diretto con un nuovo sistema valutato su un altro campione.

L’otite media con effusione consiste nella presenza di liquido nell’orecchio medio senza i segni di infezione acuta propri dell’OMA. Confonderla con un’OMA può portare ad antibiotici non necessari; è possibile anche una sottodiagnosi dell’OMA. Il solo liquido dietro il timpano non richiede automaticamente antimicrobici.

Un sistema di visione artificiale associato a un otoscopio e a uno smartphone potrebbe aiutare il medico. Ridurre gli antibiotici non necessari è un obiettivo, ma l’effetto sulle prescrizioni va verificato nella pratica.

«La sottodiagnosi determina cure inadeguate e la sovradiagnosi trattamenti antibiotici non necessari, che possono compromettere l’efficacia degli antibiotici disponibili. Il nostro strumento aiuta a orientare diagnosi e trattamento».

Alejandro Hoberman, professore di pediatria e direttore della Divisione di Pediatria Accademica Generale della Facoltà di Medicina dell’Università di Pittsburgh.

Fonte: UPMC

Le infezioni dell’orecchio sono frequenti nell’infanzia. La stima del 70% nel primo anno citata nell’originale è un dato di contesto, non la quota misurata nel campione né una frequenza universale.

Diagnosi AI

Hoberman ha collaborato con la Tandon School of Engineering di New York, il Bosch Center for Artificial Intelligence di Pittsburgh e Dcipher Analytics di Stoccolma.

I risultati sono stati pubblicati su JAMA Pediatrics, con il titolo «Sviluppo e validazione di un classificatore automatico per diagnosticare l’otite media acuta nei bambini».

Le immagini vengono acquisite con un otoscopio collegato alla fotocamera di uno smartphone. Il telefono da solo non sostituisce l’accessorio né la valutazione clinica.

Sono stati sviluppati due modelli usando 1.151 video del timpano di 635 bambini. Esperti hanno classificato manualmente i video per stabilire la diagnosi di riferimento.

Sono stati utilizzati 921 video per l’addestramento e 230 per la valutazione.

Tra le caratteristiche visive rilevanti figurano forma, colore, posizione e traslucenza del timpano.

Fonte: UPMC

Risultati nella valutazione dello studio

La rete neurale ha ottenuto una sensibilità del 93,8% e una specificità del 93,5%; l’albero decisionale, rispettivamente, del 93,7% e del 93,3%. Il 9,38% dell’originale era un errore. Sensibilità e specificità misurano aspetti diversi dall’accuratezza complessiva.

I risultati sono promettenti, ma il confronto con intervalli di studi precedenti non dimostra superiorità universale sui medici. Sono necessarie validazioni in altre popolazioni e condizioni cliniche.

La registrazione può documentare l’esame, aiutare a spiegare il risultato alla famiglia e supportare la formazione di studenti e specializzandi. Conservazione e utilizzo richiedono adeguata protezione dei dati.

Lo strumento potrebbe aiutare la medicina di base e ridurre gli errori. Non sostituisce l’esame del paziente né garantisce automaticamente meno antibiotici.

Accessori disponibili possono facilitare l’adozione, ma servono validazione, formazione, integrazione nei percorsi clinici e le autorizzazioni applicabili.

Aziende di Diagnostica AI

I dati medici sono eterogenei e presentano differenze tra apparecchiature, popolazioni e contesti. Queste difficoltà rimangono importanti per l’IA.

Le reti neurali hanno migliorato la visione artificiale. Il successo nel riconoscere oggetti sulla strada non dimostra però capacità diagnostiche: ogni applicazione richiede verifica specifica.

L’interpretazione di TC, risonanze magnetiche e altre immagini unisce competenza e contesto clinico. L’IA può assistere in compiti ben definiti, senza essere automaticamente superiore all’uomo in ogni diagnosi.

Diverse grandi aziende incorporano IA nei sistemi di imaging, tra cui GE Healthcare, Siemens Healthineers, Canon Medical e Philips. Sono gruppi con attività diversificate, non investimenti esclusivamente legati alla diagnostica con IA.

Altre aziende specializzate sono private, come PathAI e Viz.AI. Essere private non significa essere quotate in un mercato pubblico. Di seguito vengono considerate società quotate nel contesto del 2024.

1. Butterfly Network

Butterfly sviluppa sonde ecografiche portatili e software per gestirne l’impiego. La piattaforma «Compass» riguarda soprattutto programmi e flussi di lavoro ecografici, non una diagnosi autonoma.

Fonte: Butterfly Network

Nel 2024 l’azienda ha presentato la ^terza generazione della sonda, iQ3. Secondo l’annuncio di lancio del febbraio 2024, iQ3 raddoppia la velocità di trasferimento dei dati della generazione precedente e offre una potenza di elaborazione doppia rispetto a iQ+. Ultrasound-on-Chip utilizza trasduttori a semiconduttore invece dell’approccio piezoelettrico tradizionale.

Tra le funzioni annunciate figurano visualizzazione multiplanare, acquisizione volumetrica, software connesso e avvio più rapido. Disponibilità, licenze e prezzi variano per prodotto e mercato; non è garantito un costo inferiore in ogni confronto.

L’azienda impiega strumenti di IA per assistere l’acquisizione, alcune misurazioni e la formazione. Le funzioni di supporto non eliminano la responsabilità diagnostica del professionista.

Fonte: Butterfly Network

Butterfly ha sviluppato attività in mercati internazionali e applicazioni veterinarie. La portabilità può agevolare gli esami, ma disponibilità e indicazioni vanno verificate nel singolo paese.

2. Enlitic (ENL.AX)

Enlitic utilizza IA per analizzare e normalizzare informazioni associate alle immagini radiologiche. Lo scopo descritto è la coerenza dei dati, non la produzione automatica di una diagnosi. DICOM e HL7 svolgono ruoli differenti nell’informazione sanitaria.

Visione artificiale ed elaborazione del linguaggio aiutano a identificare campi come distretto anatomico, orientamento, contrasto e caratteristiche di acquisizione in TC, risonanza e radiografia.

Fonte: Enlitic

La normalizzazione può facilitare interoperabilità, archiviazione e analisi. Non garantisce compatibilità perfetta e non sostituisce i controlli di qualità.

I dati possono essere utili per sviluppare modelli, ma il riutilizzo richiede diritti appropriati e protezione della riservatezza. Standardizzazione e anonimizzazione sono operazioni diverse; resta da valutare il rischio di reidentificazione.