Messo a punto “MiThyCA”, un sistema di Intelligenza Artificiale che aiuta a leggere le immagini digitali dei vetrini istologici della tiroide. In pochi secondi, MiThyCA evidenzia le zone che meritano un controllo prioritario da parte del personale sanitario, con l’obiettivo di ridurre i tempi di attesa e facilitare e personalizzare con la tecnologia il percorso di cura delle persone. A sviluppare il nuovo sistema e’ stato un gruppo di ricerca interdisciplinare che ha coinvolto l‘Universita’ Ca’ Foscari Venezia, l’Universita’ di Milano-Bicocca, l’Istituto Europeo di Oncologia e l’ASST Papa Giovanni XXIII di Bergamo. Lo studio e’ stato pubblicato sulla rivista scientifica Endocrine Pathology.
Il progetto e’ open source, quindi gia’ a disposizione della comunità scientifica, ed e’ stato supportato nella sua ideazione dalla Fondazione Anthem, un’iniziativa finanziata dal Ministero dell’Università e della Ricerca nell’ambito del Piano Nazionale Complementare (PNC). Il contesto e’ la patologia digitale, ovvero l’analisi di vetrini istologici digitalizzati con scanner molto potenti in grado di produrre “fotografie” dei campioni, in cui e’ possibile zoomare fino al livello delle singole cellule. La prima difficolta’ e’ che la diagnosi dipende da valutazioni su scale molto diverse, che insieme possono discriminare tumori da altre patologie non invasive o meno aggressive. Il sistema sviluppato nella ricerca mette in campo due reti neurali che lavorano in sequenza: un primo “occhio digitale” coglie i dettagli delle cellule; un secondo “occhio” considera la visione d’insieme dell’immagine. Mettendo insieme le due letture, MiThyCA indica dove conviene guardare prima.
Inoltre, le immagini di patologia digitale sono di enormi dimensioni, quindi esiste anche un problema di quantita’ di tempo richiesto per elaborarle. Oggi l’analisi di ogni vetrino richiede minuti. In pochi secondi, invece, MiThyCA individua le aree sospette da sottoporre alla valutazione di patologi e patologhe. Questo risultato e’ stato ottenuto usando i modelli di intelligenza artificiale piu’ leggeri possibili, ma che fossero in grado di assicurare una performance ottima. “Le due caratteristiche che abbiamo voluto mantenere nello sviluppo di MiThyCA – spiegano ricercatrici e ricercatori dell’Universita’ di Milano-Bicocca – consistono nella facilita’ e nella rapidita’ di esecuzione. L’algoritmo agisce in maniera sequenziale “simulando” la modalita’ di analisi del patologo e della patologa, e richiede pochi secondi per fornire una risposta, ovviando a uno degli attuali limiti di algoritmi piu’ complessi a disposizione per la diagnosi”. Un altro aspetto particolarmente complesso del lavoro e’ la provenienza dei dati. Ospedali e laboratori diversi hanno scanner e protocolli differenti, che producono immagini spesso molto diverse. MiThyCA e’ stata allenata per essere resistente a questo tipo di variazioni, e produrre consistentemente output validi in contesti diversi. “Abbiamo costruito un programma che, in pochi secondi, segnala alla patologa o al patologo le zone del vetrino da controllare”, afferma Marco Salvatore Nobile, professore di Bioinformatica al Dipartimento di Scienze Ambientali, Informatica e Statistica dell’Universita’ Ca’ Foscari Venezia. “La diagnosi resta sempre umana: il software suggerisce dove guardare prima. Per portare questa tecnologia nella pratica quotidiana abbiamo scelto modelli leggeri, che funzionano anche senza hardware speciale e tengono conto delle differenze tra scanner e protocolli”, aggiunge. Lo studio ha analizzato 73 immagini digitali di vetrini provenienti da piu’ centri. Nei test il sistema ha indicato correttamente le aree di interesse in circa 8-9 casi su 10; per ogni vetrino ha impiegato pochi secondi. Le dimensioni dell’immagine non hanno influenzato in modo rilevante i tempi di calcolo. Il lavoro, che ha coinvolto esperte ed esperti di patologia, statistica e informatica, e’ stato realizzato in collaborazione con diversi centri di ricerca universitari e ospedalieri. A questa ricerca e’ stata inoltre dedicata la tesi di laurea triennale in Informatica di Leone Bacciu, coautore dello studio e premiato a Ca’ Foscari come miglior studente di area scientifica della sua sessione. Il team ora punta a validazioni su casistiche piu’ ampie e all’integrazione nei processi della patologia digitale.
