L’intelligenza artificiale (AI) ha il potenziale di rivoluzionare il campo della radiologia diagnostica, ma affronta importanti ostacoli all’integrazione negli ambienti clinici. Tra i principali c’è l’incapacità di integrare informazioni cliniche e esami di imaging precedenti e contemporanei, un fattore che può portare a errori diagnostici capaci di alterare in modo irreversibile la cura del paziente. Per avere successo nella pratica clinica moderna, l’addestramento dei modelli e lo sviluppo degli algoritmi devono tenere conto delle informazioni di background rilevanti che possono influenzare la presentazione del paziente in questione.
Tag: Radiologia
Evoluzione dell’IA nella Radiologia
L’IA è stata applicata nell’imaging medico per decenni, ma la sua crescita esponenziale è avvenuta recentemente. Secondo i dati più recenti, fino a luglio 2023, 692 dispositivi medici abilitati all’IA hanno ricevuto l’autorizzazione al mercato, con oltre il 75% di questi dedicati alla radiologia. Questa crescita ha spinto i regolatori a sviluppare linee guida più rigorose per garantire che i dispositivi siano validati in contesti clinici realistici e che i rischi, come i bias nei dati, siano adeguatamente identificati e mitigati.
La visione computerizzata (CV), è una branca dell’Intelligenza Artificiale (IA) che si occupa di estrarre informazioni rilevanti da immagini e video, analogamente al processo di percezione visiva umana. Nella biomedicina, l’applicazione della CV è particolarmente avanzata nel campo della diagnostica per immagini, dove i macchinari per la Tomografia Assiale Computerizzata (TAC) e la Tomografia a Emissione di Positroni (PET) beneficiano enormemente di questa tecnologia.
L’integrazione della CV in questi strumenti non solo migliora la risoluzione delle immagini, ma consente anche l’analisi automatizzata e l’estrazione di caratteristiche anatomiche e patologiche con una precisione senza precedenti. In questo articolo, descriveremo gli avanzamenti più significativi nell’uso della CV nelle tecnologie TAC e PET di General Electric (GE), con particolare attenzione ai modelli di intelligenza artificiale utilizzati e agli aspetti tecnici legati all’interferenza.
Una nuova ricerca condotta dal MIT ha messo in luce come i modelli di intelligenza artificiale (IA) utilizzati per analizzare le immagini mediche, in particolare le radiografie, possano essere influenzati da bias. Questi modelli, capaci di prevedere caratteristiche demografiche come razza, genere e età di un paziente, tendono a usare tali tratti come scorciatoie nei loro processi diagnostici, portando a diagnosi imprecise per donne e persone di colore.