In diverse parti del mondo, scienziati di laboratorio e anatomo-patologi stanno attualmente trascorrendo ore e ore in stanze buie analizzando e testando tessuti e fluidi di pazienti volontari per feste e verifiche su più malattie. A differenza dei semplici esami del sangue, che vengono eseguiti utilizzando strumenti di analisi automatica, i campioni patologici sono soggetti a microscopia manuale che richiede molto tempo. La patologia digitale, che utilizza un microscopio controllato da computer per scansionare e produrre immagini dei campioni, ha contribuito a far progredire quello che spesso è un lavoro noioso e molte volte soggettivo o, come si suol dire, “interpretabile”. Un gruppo di scienziati australiani si dichiara pronto a implementare una forma di “patologia digitale assistita dall’intelligenza artificiale” che potrebbe finalmente rendere utile questa tecnica, aumentandone la produttività fino a dieci volte.
“Non c’è stata praticamente nessuna adozione della patologia digitale al di fuori della ricerca e dell’uso educativo”, afferma Brian Lovell, professore presso la School of Electrical Engineering and Computer Science dell’Università del Queensland, in Australia. “La bassa risoluzione e la scarsa accuratezza dell’imaging significano che i patologi devono ripetere manualmente la scansione dei campioni molte volte”. E continua: “In effetti, l’intelligenza artificiale può prevedere le aree che i patologi vorranno guardare con un ingrandimento elevato, quindi consente loro di ingrandire quelle aree e vedere i risultati senza dover tornare al vetrino”.
Altri esperti osservano che le sfide vanno ben oltre: “L’implementazione diffusa della diagnostica digitale richiede investimenti significativi in termini di personale, risorse finanziarie e tecnologie e nella riorganizzazione del laboratorio”, sottolinea Heather Dawson, patologo senior presso l’Istituto di medicina e patologia dei tessuti dell’Università di Berna, in Svizzera.
Ma ora, dopo 10 anni di ricerca, questo potrebbe cambiare… Lovell, in collaborazione con gli scienziati della Sullivan Nicolaides Pathology (SNP), un importante laboratorio australiano di test diagnostici, sta introducendo un sistema di patologia digitale basato sull’intelligenza artificiale che, secondo loro, supera già questi ostacoli. Offre un aumento della produttività e una riduzione dei tempi fino a dieci volte, a seconda dei tipi di test eseguiti. La tecnologia è stata accreditata per uso commerciale dalla National Association of Testing Authority australiana ed è in uso clinico presso SNP da diversi anni, consentendo al team di sviluppare ed eseguire una varietà di 18 test già accreditati e ampiamente utilizzati.
Fondamentalmente, questi test accreditati includono “Test sulla colorazione di Gram, utilizzato per identificare i batteri nocivi, che copre circa il 50 percento dei test di microscopia clinica”, afferma Lovell. “Senza Gram, non puoi aspettarti che la patologia digitale abbia successo commerciale“.
Al centro del sistema ci sono gli algoritmi di intelligenza artificiale utilizzati per esaminare le immagini durante la scansione delle diapositive. Lovell afferma che il sistema è stato addestrato su terabyte e terabyte di dati di immagine, classificati diagnosticamente in modo da cercare ciò che un patologo cercherebbe in un particolare tipo di test, ad esempio alcuni tipi di batteri. Identifica e contrassegna le aree di interesse diagnostico nell’immagine e quindi regola il microscopio per ripetere la scansione di tali aree fino a un ingrandimento 100x, per creare un’immagine che si può ingrandire a volontà e che il patologo può esaminare.
“Il sistema non esegue la scansione alla cieca come una fotocopiatrice”, afferma Lovell. “In effetti, prevede le aree che i patologi vorranno guardare con un ingrandimento elevato, quindi consente loro di ingrandire quelle aree e vedere i risultati senza dover tornare al vetrino”.
Ma nell’introdurre l’intelligenza artificiale nella patologia, Dawson solleva la preoccupazione che i patologi possano diventare eccessivamente dipendenti dalla tecnologia. “Che succederà quando le diagnosi fatte dall’intelligenza artificiale in un contesto di prima lettura influenzeranno le diagnosi dei patologi?” lei chiede. “Quanto è ben addestrato il sistema a pensare fuori dagli schemi (per esempio, se ci sono risultati inaspettati durante le biopsie di routine)? E i patologi potrebbero perdere intuizione, dopo essere diventati troppo dipendenti dall’algoritmo?
Anche senza intelligenza artificiale, la patologia digitale ha altri vantaggi. Utilizzando un’interfaccia come Google Earth, Lovell osserva che è possibile accedere a un’immagine da remoto in qualsiasi parte del mondo, ad esempio per ottenere un secondo parere medico. L’archiviazione è un altro grande vantaggio: i patologi possono ora accedere alle immagini salvate in un database in qualsiasi momento, ad esempio per motivi legali, mentre il metodo tradizionale di fare riferimento a migliaia di vetrini fisici, che possono decomporsi nel tempo, è sempre stato un lavoro dispendioso in termini di tempo, persino impossibile.
Lovell osserva che il software del sistema è stato scritto per funzionare con qualsiasi marca di microscopio e supporta entrambi i tipi di microscopia utilizzati dai patologi: campo chiaro (dove il campione è illuminato da luce bianca), e scansione fluorescente (dove il campione è colorato con luce fluorescente coloranti ed esposti alla luce ultravioletta”.
Insieme ad altri miglioramenti dell’efficienza e delle procedure, il sistema di intelligenza artificiale ha portato a una maggiore accuratezza diagnostica, tempi di consegna più rapidi e meno errori di campionamento, afferma Lovell. “Se si considera che il 70% delle diagnosi di malattia in tutto il mondo viene confermato utilizzando test patologici, cambiamenti come questi avranno un impatto sull’intero sistema sanitario”, dichiara.
