Lo screening del cancro al seno si basa sull’esame delle mammografie da parte di due professionisti sanitari. Questo metodo, sebbene efficace, si trova ad affrontare una crescente carenza di radiologi, in particolare nel Regno Unito, dove quasi il 40% dei posti potrebbe mancare entro il 2028. Uno studio recente ha esplorato l’uso dell’intelligenza artificiale come secondo lettore per analizzare queste immagini, al fine di alleggerire il carico di lavoro mantenendo la qualit\u00e0 delle diagnosi.<\/p>\n
Lo studio ha coinvolto 50.000 donne provenienti da due centri di screening britannici. I risultati mostrano che sostituire il secondo lettore umano con uno strumento di intelligenza artificiale consente di mantenere una precisione simile in termini di rilevamento dei tumori e di riduzione dei falsi positivi. Dopo una fase di arbitrato, in cui esperti riesaminano i casi controversi, la sensibilit\u00e0 e la specificit\u00e0 dell’intelligenza artificiale si sono rivelate altrettanto buone quanto quelle di due lettori umani. Ci\u00f2 significa che lo strumento identifica altrettanti tumori reali ed evita altrettante diagnosi errate.<\/p>\n
Uno dei principali vantaggi di questo approccio \u00e8 la significativa riduzione del tempo di lavoro. Il numero di mammografie da analizzare da parte degli umani \u00e8 diminuito del 50%, poich\u00e9 l’intelligenza artificiale si occupa di una parte degli esami. Tuttavia, l’arbitrato diventa pi\u00f9 frequente con l’intelligenza artificiale, aumentando dal 22% al 142% a seconda dei centri. Questo aumento si spiega con il fatto che lo strumento pu\u00f2 talvolta segnalare anomalie non confermate dagli esperti, o viceversa, perdere casi sottili che gli umani rilevano.<\/p>\n
L’intelligenza artificiale ha dimostrato una particolare capacit\u00e0 di identificare tumori che compaiono tra due screening o durante lo screening successivo, chiamati tumori d’intervallo o del prossimo turno. Prima dell’arbitrato, li individuava meglio degli umani. Ma dopo la rivalutazione da parte degli esperti, questa differenza si \u00e8 attenuata, poich\u00e9 alcuni segnali dello strumento sono stati scartati. Ci\u00f2 solleva una domanda: come integrare meglio i suggerimenti dell’intelligenza artificiale affinch\u00e9 siano pi\u00f9 affidabili e comprensibili per i radiologi?<\/p>\n
Le prestazioni dello strumento variano a seconda delle attrezzature utilizzate per le mammografie. \u00c8 pi\u00f9 efficace con i dispositivi di un produttore rispetto a un altro, il che suggerisce che deve essere adattato alle tecnologie locali prima di essere implementato. I radiologi che hanno partecipato allo studio hanno espresso una fiducia moderata nello strumento, pur evidenziandone i limiti, in particolare la tendenza a sovrastimare alcune anomalie come le calcificazioni.<\/p>\n
Questo studio apre la strada a un uso pi\u00f9 ampio dell’intelligenza artificiale nello screening del cancro al seno. Dimostra che \u00e8 possibile ridurre il carico di lavoro dei professionisti senza sacrificare la qualit\u00e0 delle diagnosi. Per andare oltre, sar\u00e0 necessario migliorare la trasparenza delle decisioni dello strumento e formare i radiologi al suo utilizzo, affinch\u00e9 possano valutare meglio i suoi avvisi e trarne il massimo vantaggio.<\/p>\n
DOI\u00a0:<\/strong> https:\/\/doi.org\/10.1038\/s43018-026-01128-z<\/a><\/p>\n Titre\u00a0:<\/strong> Impact of using artificial intelligence as a second reader in breast screening including arbitration<\/p>\n Revue : <\/strong> Nature Cancer<\/p>\n \u00c9diteur : <\/strong> Springer Science and Business Media LLC<\/p>\n Auteurs : <\/strong> Lucy M. Warren; Jenny Venton; Kenneth C. Young; Mark Halling-Brown; Christopher J. Kelly; Marc Wilson; Megumi Morigami; Lisanne Khoo; Deborah Cunningham; Richard Sidebottom; Mamatha Reddy; Hema Purushothaman; Delara Khodabakhshi; Lesley Honeyfield; Amandeep Hujan; Tsvetina Stoycheva; Andy Joiner; Reena Chopra; Aminata Sy; Dominic Ward; Lin Yang; Rory Sayres; Daniel Golden; Namrata Malhotra; Rachita Mallya; Lihong Xi; Della Ogunleye; Charlotte Purdy; Alistair Mackenzie; Susan Thomas; Shravya Shetty; Fiona J. Gilbert; Ara Darzi; Hutan Ashrafian<\/p>\n","protected":false},"excerpt":{"rendered":" L’intelligenza artificiale pu\u00f2 migliorare lo screening del cancro al seno senza sovraccaricare i radiologi? Lo screening del cancro al seno si basa sull’esame delle mammografie da parte di due professionisti sanitari. Questo metodo, sebbene efficace, si trova ad affrontare una crescente carenza di radiologi, in particolare nel Regno Unito, dove quasi il 40% dei posti… Continua a leggere L’intelligenza artificiale pu\u00f2 migliorare lo screening del cancro al seno senza sovraccaricare i radiologi?<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[6,3,5],"tags":[],"class_list":["post-17","post","type-post","status-publish","format-standard","hentry","category-politica","category-salute","category-scienza-e-tecnologia","entry"],"_links":{"self":[{"href":"https:\/\/theengineeringreview.com\/it\/wp-json\/wp\/v2\/posts\/17","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/theengineeringreview.com\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/theengineeringreview.com\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/theengineeringreview.com\/it\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/theengineeringreview.com\/it\/wp-json\/wp\/v2\/comments?post=17"}],"version-history":[{"count":1,"href":"https:\/\/theengineeringreview.com\/it\/wp-json\/wp\/v2\/posts\/17\/revisions"}],"predecessor-version":[{"id":18,"href":"https:\/\/theengineeringreview.com\/it\/wp-json\/wp\/v2\/posts\/17\/revisions\/18"}],"wp:attachment":[{"href":"https:\/\/theengineeringreview.com\/it\/wp-json\/wp\/v2\/media?parent=17"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/theengineeringreview.com\/it\/wp-json\/wp\/v2\/categories?post=17"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/theengineeringreview.com\/it\/wp-json\/wp\/v2\/tags?post=17"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}