GUIDA alle industrie

L'intelligenza artificiale in oncologia

L’intelligenza artificiale in oncologia utilizza l’apprendimento automatico per aiutare a individuare tumori su scansioni e vetrini, stimare il rischio, pianificare la radioterapia e organizzare le informazioni per le decisioni terapeutiche, come le revisioni delle commissioni sui tumori.

Ascolta questa guidaNarrato dall'IA · ~3 min

In questa pagina3 minuti di lettura
  1. Panoramica
  2. Immersione profonda
  3. Implementazione nel mondo reale
  4. Il futuro dell’intelligenza artificiale in oncologia
  5. Metterlo in pratica
  6. Continua a esplorare
  7. Domande frequenti

Panoramica

È importante perché la cura del cancro coinvolge enormi volumi di immagini e dati, ma finora la prova più forte riguarda le attività di rilevamento e flusso di lavoro, non la scelta dell’intelligenza artificiale su quale trattamento un paziente dovrebbe ricevere.

Immersione profonda

Gli oncologi incontrano l’intelligenza artificiale in tre ambiti principali: rilevamento, pianificazione del trattamento e supporto decisionale. Il rilevamento è il più maturo. Nella mammografia, lo studio randomizzato svedese MASAI, riportato per la prima volta nel 2023, ha rilevato che lo screening supportato dall’intelligenza artificiale ha rilevato più tumori rispetto alla doppia lettura standard, riducendo il carico di lavoro di lettura dello schermo del radiologo di circa il 44%. In patologia, la FDA ha autorizzato Paige Prostate nel 2021 come il primo prodotto di intelligenza artificiale per assistere i patologi nella lettura delle biopsie prostatiche. I modelli di ricerca possono anche stimare caratteristiche come l’instabilità dei microsatelliti direttamente da vetrini colorati di routine, e i ricercatori del MIT e del Massachusetts General Hospital hanno costruito Sybil, che prevede il rischio futuro di cancro ai polmoni da una singola TAC a basso dosaggio. La pianificazione del trattamento è abbastanza diffusa. Gli strumenti di auto-contornatura tracciano i contorni dei tumori e degli organi vicini per la radioterapia, un compito che può richiedere ore ai medici. I medici continuano a rivedere e modificare ogni contorno. La scelta del trattamento è l’ambito in cui è più necessaria cautela. Watson for Oncology di IBM è stato commercializzato per suggerire terapie, ma ha dovuto affrontare segnalazioni di raccomandazioni che non erano d'accordo con gli esperti e alcune che non erano sicure, e IBM in seguito ha venduto la sua attività Watson Health. La lezione è stata che la formazione su un piccolo insieme di casi ipotetici e sulle preferenze di un'istituzione non produce consigli generali affidabili. I comitati sui tumori, in cui chirurghi, oncologi, radiologi e patologi discutono insieme i casi, utilizzano sempre più software che assemblano dati e segnalano la corrispondenza con studi clinici o percorsi di linee guida. Si stanno testando ampi modelli linguistici per riassumere i resoconti di questi incontri, ma fatti allucinati o obsoleti rappresentano un rischio serio. Il limite principale delle prove attuali è che molti studi sono retrospettivi, misurano l’accuratezza piuttosto che i risultati dei pazienti e provengono da pochi centri dotati di risorse adeguate. Trovare più piccoli tumori è utile solo se migliora la sopravvivenza piuttosto che aumentare la sovradiagnosi.

Implementazione nel mondo reale

Un programma di screening del seno utilizza l’intelligenza artificiale per classificare le mammografie in modo che gli esami probabilmente normali necessitino di un radiologo mentre gli esami ad alto rischio ottengano due lettori, riducendo il carico di lavoro di lettura.

Un team di radioterapia utilizza un software di auto-contouring per disegnare i primi contorni degli organi a rischio sulle scansioni TC, che un dosimetrista e un oncologo poi controllano e correggono.

Un laboratorio di patologia utilizza un sistema di intelligenza artificiale per evidenziare aree sospette sui vetrini digitalizzati della biopsia prostatica in modo che il patologo esamini attentamente tali regioni.

Il software della scheda tumorale di un ospedale raccoglie l'imaging, la patologia, la genomica e la cronologia dei trattamenti in un'unica dashboard prima della riunione multidisciplinare settimanale.

Il futuro dell’intelligenza artificiale in oncologia

La crescita a breve termine è più probabile nel flusso di lavoro di screening, patologia e radioterapia, dove i compiti sono ben definiti e i risultati possono essere controllati. Un follow-up più lungo degli studi di screening chiarirà se ulteriori rilevamenti riducono i tumori e i decessi nel periodo o aumentano la sovradiagnosi. I modelli multimodali che combinano immagini, genomica e registrazioni rappresentano un’area di ricerca attiva, ma avranno bisogno di studi prospettici prima di guidare le scelte terapeutiche. I comitati sui tumori potrebbero utilizzare più spesso i riassunti dell’intelligenza artificiale e la corrispondenza degli studi, con i medici che verificano le fonti. L’equità è una vera preoccupazione, dal momento che molti modelli vengono sviluppati in grandi centri accademici i cui pazienti e le cui attrezzature potrebbero non corrispondere agli ospedali comunitari.

Metterlo in pratica

Perché è importante

  • Contesto e regole. Il contesto del settore determina se le idee dell’intelligenza artificiale sopravvivono al contatto con la realtà.
  • Controllo di qualità. I vincoli di dominio influenzano i tassi di errore accettabili e i modelli di supervisione.
  • Scelte di build. Le implementazioni di successo allineano le capacità tecniche con i flussi di lavoro in prima linea.

Attenzione

  • I requisiti normativi possono invalidare prototipi altrimenti robusti.
  • I dati storici possono codificare pregiudizi che danneggiano comunità specifiche.
  • I sistemi legacy possono creare colli di bottiglia nell’integrazione e costi nascosti.

Prossimi passi

  1. Coinvolgere esperti del settore dall'inquadramento del problema alla valutazione.
  2. Progettare audit trail e documentazione prima del lancio.
  3. Convalidare tempestivamente la conformità e gli obblighi di sicurezza.
  4. Implementazione in fasi con chiari criteri di stop e rollback.

Continua a esplorare

Newsletter gratuita

Ricevi il briefing quotidiano sull'IA

Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.

Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.

Mettiti alla prova

Take the AI in Oncology quiz

Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.

Inizia il quiz

Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione

Domande frequenti

Cos’è l’intelligenza artificiale in oncologia?

L’intelligenza artificiale in oncologia utilizza l’apprendimento automatico per aiutare a individuare tumori su scansioni e vetrini, stimare il rischio, pianificare la radioterapia e organizzare le informazioni per le decisioni terapeutiche, come le revisioni delle commissioni sui tumori. È importante perché la cura del cancro coinvolge enormi volumi di immagini e dati, ma finora la prova più forte riguarda le attività di rilevamento e flusso di lavoro, non la scelta dell’intelligenza artificiale su quale trattamento un paziente dovrebbe ricevere.

Cosa ha riportato lo studio svedese MASAI sullo screening mammografico supportato dall’intelligenza artificiale?

MASAI, uno studio randomizzato riportato per la prima volta nel 2023, ha riscontrato un rilevamento più elevato e un notevole calo del carico di lavoro di lettura del radiologo rispetto alla doppia lettura standard.

Qual è stata la lezione chiave del Watson for Oncology di IBM?

I resoconti di raccomandazioni in disaccordo con gli esperti, alcuni dei quali non sicuri, hanno mostrato i limiti del suo approccio formativo. IBM ha successivamente venduto l'attività Watson Health.

Quale prodotto ha autorizzato la FDA nel 2021 come prima intelligenza artificiale per assistere i patologi nelle biopsie della prostata?

Paige Prostate evidenzia le regioni sospette sui vetrini digitalizzati della biopsia prostatica per la revisione del patologo.

Cosa prevede Sybil, del MIT e del Massachusetts General Hospital?

Sybil stima il rischio futuro di cancro ai polmoni di una persona utilizzando una TC del torace a basso dosaggio.

In che modo la maggior parte dei sistemi di intelligenza artificiale gestiscono le immagini patologiche dell'intero vetrino gigapixel?

Le diapositive sono troppo grandi per essere elaborate contemporaneamente, quindi le patch vengono codificate e combinate, spesso con un'attenzione tale da produrre una mappa termica delle regioni influenti.