Gli algoritmi basati sull’AI hanno il potenziale per supportare la diagnosi dermatopatologica in futuro. Attualmente, sono in corso molti sforzi di ricerca in questo senso. Tra l’altro, è stato sviluppato un algoritmo di apprendimento profondo che può essere utilizzato per il rilevamento del carcinoma basocellulare e del carcinoma squamoso. L’obiettivo è una valutazione rapida e accurata assistita dall’AI.
Il dottor Daniel Otero Baguer, del Centro di Tecnomatica dell’Università di Brema, ha mostrato come l’intelligenza artificiale (AI) possa essere utilizzata per l’elaborazione di immagini istologiche sezionali per il rilevamento del cancro della pelle [1]. L’AI dovrebbe un giorno aiutare i dermatopatologi ad esaminare le sezioni di tessuto istologico in meno tempo, senza compromettere la qualità dei risultati della valutazione, ha spiegato il relatore. A tale scopo, è stato sviluppato un algoritmo di apprendimento profondo che è in grado di rilevare i carcinomi basocellulari (BCC) e i carcinomi squamocellulari (SCC) e di misurare i tumori [2]. Inoltre, viene generato un report automatico, che può essere controllato dal medico e regolato se necessario. Attualmente, si sta sviluppando uno strumento in stretta collaborazione con i dermatopatologi per colmare il ‘gap’ tra i risultati della ricerca e l’applicabilità nella pratica quotidiana, dice il dottor Otero Baguer.
Lo strumento AI dimostra una notevole sensibilità e specificità
L’installazione del test presso il reparto di dermatopatologia di Duisburg-Essen è in funzione dall’aprile 2021, dice il ricercatore [1]. Un totale di 3527 campioni di BCC sono stati esaminati con l’algoritmo di apprendimento profondo. Sebbene ci siano stati risultati falsi-negativi e falsi-positivi, con una specificità di circa il 98% e una sensibilità di circa il 99%, si tratta di un metodo molto promettente. “Naturalmente cerchiamo continuamente di migliorare l’algoritmo di Deep Learning”, afferma il dottor Otero Baguer [1]. L’obiettivo non è quello di sostituire il dermatopatologo, ma di supportare il suo lavoro, dice il ricercatore. Le decisioni basate sull’AI devono essere valutate dal medico, per cui l’intera procedura è più rapida che senza l’uso dell’intelligenza artificiale. Lo strumento AI misura automaticamente lo spessore dei tumori rilevati. Anche in questo caso, l’applicazione dell’AI si è rivelata sbagliata in alcuni casi, ma il bilancio complessivo è rispettabile: l’algoritmo Deep Learning è stato utilizzato su 3315 campioni e in 339 (10,23%) di questi il patologo ha dovuto correggere la misurazione del tumore (Tab. 1) [1]. Questi difetti sono molto presto evidenti al dermatopatologo.
Implementazione prevista per altre entità tumorali
La metodologia innovativa è stata implementata anche per il rilevamento del carcinoma a cellule squamose (SCC). È stato dimostrato che la stessa rete neurale può distinguere in modo affidabile tra BCC e SCC, ha spiegato il relatore. Un esempio di rapporto generato dall’algoritmo di Deep Learning è mostrato nel riquadro. L’idea è che la diagnosi iniziale supportata dall’AI sia controllata da un medico in ogni caso. Il testo generato automaticamente può essere facilmente adattato. L’algoritmo di apprendimento profondo sviluppato dai ricercatori non viene utilizzato solo per BCC e SCC, ma anche per altre entità tumorali come la malattia di Bowen, ha detto il relatore. È stato lanciato anche un progetto per il rilevamento automatico delle metastasi del melanoma nei linfonodi, finanziato dalla Fondazione Hiege [3].
Congresso: Congresso sul cancro della pelle / Gruppo di lavoro Oncologia dermatologica
Letteratura:
- “Uso dell’intelligenza artificiale nell’istologia di BCC e SCC”, Daniel Otero Baguer, MD, Congresso tedesco sul cancro della pelle, 15.09.2022
- Le’Clerc Arrastia J, et al: UNet supervisionato in profondità per la segmentazione semantica per assistere la valutazione dermato-patologica del carcinoma basocellulare. J Imaging 2021; 7(4): 71.
- “Definizione di un algoritmo di riconoscimento dei pattern per il rilevamento istologico dei linfonodi sentinella schermati nei pazienti con melanoma”, https://hautkrebsstiftung.de/forschungsprojekte-zur-melanomforschung,(ultimo accesso 08.12.2022).
