I ricercatori della divisione CSAIL del MIT che si concentra sull’ingegneria informatica e lo sviluppo dell’intelligenza artificiale, hanno creato due algoritmi di apprendimento automatico in grado di rilevare il cancro al pancreas a una soglia più elevata rispetto agli attuali standard diagnostici. I due modelli insieme si sono formati per creare la rete neurale “PRISM”. È progettata per rilevare specificamente l’adenocarcinoma duttale pancreatico (PDAC), la forma più diffusa di cancro al pancreas.
Gli attuali criteri di screening standard del PDAC rilevano circa il 10% dei casi in pazienti esaminati da professionisti. In confronto, il PRISM del MIT è stato in grado di identificare i casi di PDAC il 35% delle volte.
Il ruolo dell’intelligenza artificiale
Durante l’utilizzo l’intelligenza artificiale nel campo della diagnostica non è un’impresa del tutto nuova, il PRISM del MIT si distingue per il modo in cui è stato sviluppato. La rete neurale è stata programmata in base all’accesso a diversi set di cartelle cliniche elettroniche reali provenienti da istituzioni sanitarie negli Stati Uniti. Sono stati alimentati i dati di oltre 5 milioni di cartelle cliniche elettroniche di pazienti, che secondo i ricercatori del team “hanno superato la scala” delle informazioni fornite a un modello di intelligenza artificiale in questa particolare area di ricerca.
Il modello utilizza dati clinici e di laboratorio di routine per fare le sue previsioni, e la diversità della popolazione statunitense rappresenta un progresso significativo rispetto ad altri modelli PDAC, che di solito sono limitati a regioni geografiche specifiche come alcuni centri sanitari negli Stati Uniti
Kai Jia, PhD CSAIL – MIT.
Il progetto PRISM del MIT è iniziato più di sei anni fa.
La motivazione dietro lo sviluppo di un algoritmo in grado di rilevare precocemente il PDAC ha molto a che fare con il fatto che la maggior parte dei pazienti viene diagnosticata nelle fasi successive dello sviluppo del cancro: in particolare circa l’ottanta per cento viene diagnosticata troppo tardi.
L’intelligenza artificiale funziona analizzando i dati demografici dei pazienti, le diagnosi precedenti, i farmaci attuali e precedenti nei piani di cura e i risultati di laboratorio. Nel complesso, il modello funziona per prevedere la probabilità di cancro analizzando i dati delle cartelle cliniche elettroniche insieme a fattori come l’età del paziente e alcuni fattori di rischio evidenti nel suo stile di vita. Tuttavia, PRISM è ancora in grado di aiutare a diagnosticare il maggior numero di pazienti possibile solo alla velocità con cui l’intelligenza artificiale riesce a raggiungere le masse. Al momento, la tecnologia è destinata a farlo laboratori del MIT e selezionare pazienti negli Stati Uniti. La sfida logistica di ridimensionare l’intelligenza artificiale comporterà l’alimentazione dell’algoritmo con set di dati più diversificati e forse anche profili sanitari globali per aumentare l’accessibilità.
Altre sperimentazioni in corso
Tuttavia, questo non è il primo tentativo del MIT di sviluppare un modello di intelligenza artificiale in grado di prevedere il rischio di cancro. In particolare, ha sviluppato un modo per addestrare i modelli a prevedere il rischio di cancro al seno tra le donne che utilizzano registrazioni mammografiche. In questa linea di ricerca, hanno confermato gli esperti del MIT, quanto più diversificati sono i set di dati, tanto migliore diventa l’intelligenza artificiale nella diagnosi dei tumori. attraverso razze diverse e popolazioni. Il continuo sviluppo di modelli di intelligenza artificiale in grado di prevedere la probabilità del cancro non solo migliorerà i risultati per i pazienti se la neoplasia viene identificata precocemente, ma ridurrà anche il carico di lavoro dei medici. professionisti medici oberati di lavoro. Il mercato dell’intelligenza artificiale nella diagnostica è così maturo per il cambiamento che sta suscitando l’interesse dei grandi spot tecnologici aziende come IBMche ha tentato di creare un programma di intelligenza artificiale in grado di rilevare il cancro al seno con un anno di anticipo.
