{{{sourceTextContent.title}}}

Il software individua le lesioni sospette della pelle nelle foto degli smartphone

{{{sourceTextContent.subTitle}}}

Il melanoma, che rappresenta oltre il 70% di tutti i tumori della pelle, si verifica quando le cellule che producono il pigmento chiamate melanociti si moltiplicano in modo incontrollato. Questo cancro è tipicamente diagnosticato attraverso l'ispezione visiva delle lesioni pigmentate sospette (SPL), e tale individuazione precoce delle lesioni nell'ufficio di un medico è spesso salvavita. Tuttavia, ci sono diversi svantaggi con questo approccio, tra cui l'alto volume di lesioni potenziali che si deve biopsiare e testare prima di confermare una diagnosi.

{{{sourceTextContent.description}}}

Per superare questi problemi, i ricercatori del MIT e alcune altre istituzioni intorno a Boston, hanno sviluppato un nuovo strumento di deep learning per identificare più facilmente le lesioni dannose da fotografie scattate con uno smartphone.

Il documento, pubblicato su Science Translational Medicine, descrive lo sviluppo dello strumento utilizzando una branca dell'intelligenza artificiale chiamata reti neurali convoluzionali profonde (DCNN). I ricercatori hanno addestrato il loro strumento utilizzando oltre 20.000 immagini, prese da 133 pazienti e da database disponibili al pubblico. È importante notare che le immagini sono state scattate utilizzando diverse fotocamere personali, per garantire che funzionasse con esempi di vita reale.

Una volta che lo strumento è stato addestrato utilizzando esempi noti, ha dimostrato oltre il 90,3% di sensibilità e l'89,9% di specificità nel distinguere gli SPL da lesioni non sospette, pelle e sfondi complessi.

Un aspetto interessante che distingue questo strumento dagli altri si basa sull'identificazione delle lesioni utilizzando il criterio del "brutto anatroccolo". Questo metodo, attualmente utilizzato dai dermatologi, presuppone che la maggior parte dei nei su un individuo appaiano simili tra loro e siano tipicamente non sospetti, con i nei dall'aspetto diverso classificati come 'brutti anatroccoli' per ulteriori indagini.

Addestrando il sistema su diverse caratteristiche dei nei come circolarità, dimensione e intensità, l'accuratezza della previsione è stata notevolmente migliorata: l'algoritmo corrispondeva al consenso di dermatologi esperti l'88% delle volte, e corrispondeva all'opinione dei singoli dermatologi l'86% delle volte. Se la tecnologia sarà confermata, potrebbe portare a un risparmio significativo in termini di tempo clinico e di costi coinvolti nell'imaging e nell'analisi delle singole lesioni.

"La nostra ricerca suggerisce che i sistemi che sfruttano la computer vision e le reti neurali profonde, quantificando tali segni comuni, possono raggiungere una precisione paragonabile a quella dei dermatologi esperti", ha detto Soenksen, il primo autore del documento, in un comunicato stampa del MIT. "Speriamo che la nostra ricerca rivitalizzi il desiderio di fornire screening dermatologici più efficienti nelle impostazioni di cura primaria per guidare i rinvii adeguati".