(Adnkronos) – “Il contributo dell’intelligenza artificiale nella diagnostica per immagini, e quindi nella radiologia diagnostica, è eccellente. Il radiologo, per definizione, è nato con il digitale ed è da sempre abituato a far fronte ad una serie di immagini che ha dovuto sintetizzare con l’occhio umano. Oggi, i software di intelligenza artificiale utilizzano una sintesi automatica, quindi sicuramente questo è un grosso apporto”. Lo ha detto Valeria Panebianco, direttrice del Dipartimento di Scienze radiologiche, oncologiche e anatomo-patologiche presso l’università Sapienza di Roma, in occasione dell’incontro, oggi a Milano, “L’Ai nella diagnostica italiana: dall’adozione all’impatto clinico”. L’evento è organizzato da DeepHealth, azienda attiva nell’informatica sanitaria basata sull’intelligenza artificiale, nei giorni in cui si svolge il 52esimo congresso nazionale della Società italiana di radiologia medica e interventistica – Sirm.
I benefici già riscontrabili offerti dall’integrazione dell’Ai nell’imaging diagnostico “sono ormai validati in diversi campi e in vari clinical setting. In oncologia, e nello specifico nell’ambito genito-urinario, l’utilizzo di software installati direttamente nelle risonanze magnetiche permette di migliorare la qualità delle immagini – spiega – rendendo idonee quelle che prima sarebbero state alterate dal respiro pesante del paziente piuttosto che dalla peristalsi intestinale. Questi artefatti vengono oggi automaticamente cancellati grazie all’Ai”. Un altro vantaggio derivante dall’integrazione di tools di Ai nella diagnostica per immagini è rappresentato dalla possibilità di “selezionare automaticamente i pazienti che presentano un tumore. Se, per esempio, dobbiamo refertare una lunga serie di risonanze magnetiche, per il radiologo è molto importante poter iniziare da quelle in cui è presente una patologia, lasciando magari ai giorni successivi la refertazione degli esami relativi a pazienti che non hanno il cancro”.
“Un buon utilizzo dell’intelligenza artificiale – aggiunge – aiuta a ottimizzare i tempi e i costi e a limitare tutto ciò che può rappresentare un aggravio nella giornata lavorativa del radiologo. Una Tc total body, per esempio, produce l’acquisizione di 5.000 immagini. Prima queste dovevano essere esaminate singolarmente dal radiologo, oggi questo lavoro lo svolge l’occhio dell’intelligenza artificiale, impiegando certamente meno tempo”. Perché l’innovazione tecnologica sia effettivamente al servizio del medico e del paziente occorre e il suo utilizzo diventi massivo “bisogna innovare il sistema e formare figure professionali con competenze miste, che si occupino di medicina e di radiologia, ma che sappiano anche capire come funziona nello specifico un software di intelligenza artificiale, anziché limitarsi a saperlo applicare. Ci vorrebbe una trasformazione anche delle scuole di specializzazione, con l’introduzione di figure professionali specifiche all’interno dei team che operano nei diversi settori”. L’impiego di sistemi di Ai in prevenzione, diagnosi e trattamento apre nuove possibilità per il futuro: “Una di queste è sicuramente lo snellimento delle liste d’attesa. Immaginiamo, a titolo di esempio, un algoritmo che possa interfacciarsi tra la richiesta di un medico di base e le prestazioni effettuate in un’azienda ospedaliera. Questo algoritmo potrebbe essere in grado di discriminare quale sia il livello di urgenza che porta all’acquisizione di un esame piuttosto che di un altro e, soprattutto, con quale tempistica”, conclude.
