Da News Medical Life Sciences
Il cancro ai polmoni è una delle malattie più complesse, rendendo la diagnosi precoce fondamentale per un trattamento efficace. Fortunatamente, i progressi nell’intelligenza artificiale (IA) stanno trasformando lo screening del cancro ai polmoni, migliorandone sia l’accuratezza che l’efficienza. Sebbene gli attuali metodi di screening, come la TC a basso dosaggio, aiutino a confermare il sospetto di cancro ai polmoni, spesso presentano alti tassi di falsi positivi e variabilità nella segnalazione di reperti incidentali ma critici, come quelli relativi alle malattie cardiovascolari. Inoltre, il tasso di screening per la TC a basso dosaggio rimane basso (<10%), a causa della carenza globale di radiologi. Un nuovo studio pubblicato su Nature Communications introduce un modello di base multimodale e multitask che migliora significativamente le capacità della TC a basso dosaggio. Questo modello di IA migliora la previsione del rischio di cancro ai polmoni del 20% e del rischio cardiovascolare del 10%. Sviluppato e testato da un team interdisciplinare del Rensselaer Polytechnic Institute (RPI), della Wake Forest University (WFU) e del Massachusetts General Hospital (MGH), questo modello è il primo del suo genere ad affrontare simultaneamente più di una dozzina di attività correlate, integrando dati provenienti da più fonti, tra cui TAC, referti radiologici, fattori di rischio dei pazienti e principali risultati clinici. Il primo autore dello studio è Chuang Niu, Ph.D., ricercatore scientifico presso l'RPI. Tra gli autori corrispondenti figurano Ge Wang, Ph.D., Professore con Cattedra Clark-Crossan e Direttore del Centro di Imaging Biomedico dell'RPI, Christopher T. Whitlow, M.D./Ph.D., professore presso la WFU, e Mannudeep K. Kalra, M.D., professore presso l'MGH. Tra i principali collaboratori dell'RPI figurano Pingkun Yan, Ph.D., e Christopher D. Carothers, Ph.D., oltre ad altri importanti coautori. Il potenziale impatto clinico di questo lavoro è immenso. Integrando le immagini TC con le informazioni testuali, il modello migliora significativamente l'individuazione e la previsione del cancro ai polmoni, un fattore critico per il miglioramento degli esiti clinici. Inoltre, uno dei principali vantaggi dell'utilizzo di modelli di base in medicina è che, se addestrati con scansioni TC di screening su larga scala e altri tipi di dati, questi modelli possono migliorare le prestazioni in nuove attività correlate. Ad esempio, questo modello può migliorare le prestazioni in campi come l'oncologia, dove i dati specifici per attività sono spesso limitati. "Questo lavoro è stato notevolmente accelerato grazie al sistema di calcolo ad alte prestazioni di RPI“, ha affermato Wang. “Ora, il nostro team multi-istituzionale sta ulteriormente potenziando il nostro modello di base su una quantità crescente di dati multimodali, utilizzando sia le nostre GPU sia il sistema di calcolo ad alte prestazioni Empire AI dello Stato di New York. La collaborazione tra istituzioni leader sottolinea la crescente sinergia tra intelligenza artificiale e ricerca medica, con il potenziale di rivoluzionare il modo in cui le malattie vengono rilevate e trattate“.