L’intelligenza artificiale (AI) può aiutare a rilevare il cancro della pelle nella pratica clinica quotidiana, ma un ostacolo è che le decisioni prese dagli algoritmi spesso non sono comprensibili. Gli scienziati del Centro tedesco di ricerca sul cancro hanno ora sviluppato un sistema di supporto basato sull’AI per la diagnosi del cancro della pelle, che fornisce spiegazioni per le decisioni degli algoritmi. L’obiettivo è quello di rafforzare la fiducia dei professionisti del settore medico nelle applicazioni dell’IA.
I melanomi sono responsabili della maggior parte dei decessi legati al cancro della pelle in tutto il mondo, ma sono difficili da distinguere da altri tumori della pelle in fase iniziale. I recenti progressi nei sistemi di supporto diagnostico basati sull’AI possono aiutare i dermatologi a diagnosticare melanomi e nei in modo più accurato, utilizzando immagini digitalizzate di lesioni sospette. Ma quali caratteristiche determinano il risultato di un sistema di IA? “La responsabilità ultima di una diagnosi spetta al medico. Per questo motivo, i dermatologi sono giustamente cauti nell’utilizzare sistemi basati sull’AI senza essere in grado di comprendere le loro decisioni”, ha spiegato il dottor Titus Brinker del Centro tedesco di ricerca sul cancro (DKFZ) [1]. “Il nostro obiettivo era quindi quello di sviluppare un sistema di supporto che fosse adattato alla prospettiva dei dermatologi al momento della diagnosi di melanoma e che spiegasse il loro processo decisionale”, afferma il dottor Brinker [1].
| Studio MELVEC presso l’Università di Basilea I nuovi sistemi di fotografia 3D full-body basati sull’intelligenza artificiale con analisi software assistita da computer per la valutazione del rischio delle alterazioni cutanee pigmentate hanno il potenziale di migliorare la diagnosi precoce del melanoma maligno e quindi di influenzare positivamente la prognosi della malattia. Lo studio MELVEC dell’Università di Basilea sta esaminando l’uso della più recente fotografia 3D del corpo intero per lo screening del melanoma. In particolare, lo studio analizza l’efficacia dell’uso aggiuntivo di sistemi di analisi fotografica software basati sull’AI e il loro utilizzo nei pazienti ad alto rischio di (ulteriore) melanoma nella diagnosi precoce rispetto allo standard attuale, ovvero i controlli clinici da parte di un dermatologo. Oltre ai potenziali benefici e all’accuratezza di questa nuova tecnologia in un contesto reale, si valuterà anche l’accettazione da parte dei pazienti di questa procedura innovativa e il carico emotivo del cancro della pelle, nonché la necessità di un supporto psicologico nelle diverse fasi della malattia. Lo studio MELVEC è in corso dal 2020 e ha già incluso oltre 400 pazienti. |
| a [3 .4] |
“Intelligenza artificiale spiegabile”
“Facendo seguito al lavoro precedente, abbiamo sviluppato la nostra IA spiegabile (XAI = intelligenza artificiale spiegabile) sviluppato in modo tale da fornire spiegazioni di tipo dermatologico relative alle caratteristiche di zone specifiche e individuali della lesione”. [1]. In uno studio in tre fasi, il team del dottor Brinker ha analizzato gli effetti sull’accuratezza diagnostica, sulla certezza diagnostica e sulla fiducia dei dermatologi nel sistema esplicativo. [1,2]. I ricercatori volevano anche sapere quali fattori promuovono la fiducia dei medici in questa tecnologia. Oltre cento dermatologi di 33 Paesi hanno partecipato allo studio. I medici hanno diagnosticato un pannello di prova di immagini digitalizzate di varie lesioni per tre volte – basandosi esclusivamente sulla loro esperienza, con il supporto di un sistema AI convenzionale e con l’XAI. Come già documentato in studi precedenti, l’uso di un sistema AI ha aumentato l’accuratezza diagnostica nel rilevamento del melanoma, ma non è stato possibile aumentarla ulteriormente utilizzando lo XAI. Anche la fiducia dei dermatologi nelle proprie decisioni è migliorata con il supporto dell’AI – ed è aumentata ancora una volta in modo significativo quando si è utilizzato il sistema XAI. I medici avevano particolare fiducia nella propria diagnosi se i loro criteri decisionali corrispondevano in gran parte ai criteri elencati dallo XAI. “I risultati illustrano che la XAI può migliorare la fiducia diagnostica dei medici e ha il potenziale per aumentare l’accettazione dei professionisti medici dell’uso dei metodi di IA”, afferma il dottor Brinker, leader dello studio.
| MedUni Vienna: “Reinforcement learning” per una migliore diagnosi del cancro della pelle Un team di ricerca internazionale ha studiato il reinforcement learning come metodo per ottenere una maggiore precisione nei risultati dell’IA, incorporando criteri decisionali umani. I ricercatori hanno integrato i criteri sotto forma di “tabelle di ricompensa” nel sistema AI. Le tabelle di ricompensa sono strumenti che incorporano le conseguenze positive e negative delle valutazioni cliniche nel processo decisionale, sia dal punto di vista dei medici che dei pazienti. Su questa base, i risultati della diagnosi dell’IA non solo sono stati valutati come corretti o errati, ma anche premiati o penalizzati con un certo numero di punti in più o in meno a seconda degli effetti della diagnosi o delle decisioni risultanti. Questo ha migliorato notevolmente l’accuratezza: La sensibilità per i melanomi, ad esempio, è aumentata dal 61,4% al 79,5% e per i carcinomi basocellulari dal 79,4% all’87,1%. Nel complesso, il tasso di diagnosi corrette effettuate dai dermatologi è aumentato del 12%. Lo studio è stato pubblicato sulla rivista Nature Medicine . |
| secondo [6] |
L’AI non è più una “scatola nera”
Le condizioni proposte dalla Commissione Europea per applicazioni di IA affidabili includono la visione d’insieme, la trasparenza e la responsabilità. Se gli algoritmi di IA sono una “scatola nera”, questo può avere un impatto negativo sull’accettazione da parte degli utenti. Soprattutto perché la medicina moderna diffonde la diagnostica basata sull’evidenza come base per le decisioni terapeutiche. Pertanto, è stata sviluppata la tecnica dell’ intelligenza artificiale spiegabile (XAI) per aumentare l’attendibilità delle previsioni e dei giudizi generati dall’AI, spiegando come sono state raggiunte le conclusioni basate sull’AI.
Letteratura:
- “Il supporto basato sull’AI per la diagnosi del cancro della pelle spiega le sue decisioni”, DKFZ, 17.01.2024.
- Chanda T, et al: L’AI spiegabile simile a quella di un dermatologo aumenta la fiducia nella diagnosi di melanoma. Nature Communications 2024,
DOI: 10.1038/s41467-023-43095-4 - “Aumento allarmante dei casi di cancro alla pelle: La fotografia 3D full-body supportata dall’AI in soccorso?”, www.skincancer.ch/newsletter-28,(ultimo accesso 21/02/2024)
- “Scopo dello studio”, www.hautkrebs-basel.ch,(ultimo accesso 21/02/2024).
- Smuha NA: L’approccio dell’UE alle linee guida etiche per un’intelligenza artificiale affidabile. Computer Law Review International; 2019; Vol. 20; iss. 4; 97-106.
- Barata C, et al: Un modello di apprendimento per rinforzo per il supporto decisionale basato sull’AI nel cancro della pelle. Nat Med 2023; 29(8): 1941-1946.
DERMATOLOGIE PRAXIS 2024; 34(1): 29 (pubblicato il 25.2.24, prima della stampa)
