Dal palazzo

Intelligenza artificiale

Polmonite da Covid o standard? Un ricercatore siciliano: «Potrebbe dircelo un algoritmo»

Cristian Randieri: «Potrebbe supportare i medici e accelerare la lettura delle radiografie». Ottimi risultati dalla sperimentazione su migliaia di immagini, si attende la validazione estesa dei dati

Tempo di lettura: 4 minuti

L’intelligenza artificiale potrebbe supportare i medici e accelerare la lettura delle radiografie del torace con sospette per infezione polmonare da Covid-19, segnalandole al radiologo in pochi minuti. Si tratta di un algoritmo che viene “addestrato” per distinguere tra la polmonite causata dal Sars-Cov-2 e quella causata da altri virus, attraverso immagini radiografiche classificate in precedenza da esperti radiologi.

Il tema è stato trattato da una ricerca scientifica messa a punto a Siracusa dal ricercatore e professore universitario Cristian Randieri assegnando la tesi di laurea “Implementazione di un modello di Deep Learning per il riconoscimento di patologie polmonari da immagini radiografiche tramite una Rete Neurale Convoluzionale” al suo studente Andrea Perrotta del corso di laurea “Computer Vision” della facoltà d’ingegneria dell’Università eCampus.

Grazie ai risultati ottenuti dal lavoro di tesi, a settembre, l’idea innovativa è stata presentata nell’Università di Zagabria al convegno “7th International Workshop on Advanced Cooperative Systems (IWACS 2022)” e presto se ne parlerà anche su una rivista scientifica internazionale. Una ricerca iniziata oltre un anno fa e proseguita in vari step. Le fasi di progettazione (definizione e ottimizzazione del modello neurale) sono state seguite da quelle di training e validazione dei medesimi.

Secondo la ricerca, attraverso una radiografia, l’algoritmo sarebbe in grado di distinguere le due diverse infezioni. In questo periodo il modo più corretto per diagnosticare un’infezione da Covid-19 è la ricerca del virus tramite il tampone molecolare, mentre con TAC e radiografie può essere diagnosticata la polmonite che può complicare l’infezione, in base alle caratteristiche radiologiche il radiologo con buona approssimazione riesce a distinguere i quadri associati al COVID.

«Per sviluppare l’algoritmo d’intelligenza artificiale- spiega ad Insanitas l’ingegner Randieri -sono state inizialmente utilizzate 6939 immagini  raccolte dal database Kaggle, suddivise in tre gruppi da 2313 immagini riguardanti rispettivamente: i casi di assenza di polmonite, i casi di polmonite standard e i casi di polmonite da Covid-19. Di queste solo il 25% per ogni categoria è stata utilizzata per la fase di allenamento dell’algoritmo neurale, mentre la rimenante parte è stata analizzata per la fase di validazione permettendo di ottenere un’accuratezza del 94,01%».

Al fine di testare ulteriormente l’algoritmo elaborato- aggiunge Randieri- è stata presa in considerazione una seconda collezione d’immagini raccolte dal database Mendely per un totale di 9208, suddivise in 3270 che riguardavano i casi di assenza di polmonite, 4657 riferite a polmonite standard e 1281 casi di polmonite da Covid-19. I risultati ottenuti dall’interpretazione di queste nuove immagini, mai presentate in precedenza all’algoritmo neurale hanno determinato un ottimo indice di accuratezza pari al 93,23%. Adesso sarebbe utile proseguire il processo di sperimentazione con la validazione estesa dei dati in possesso dalle Asp o da qualche nosocomio. Poi se arrivasse un finanziamento per l’avvio di una startup sarebbe il massimo per una ricerca tutta a firma siciliana».

Considerando che diagnosticare precocemente per curare l’infezione è fondamentale, farlo in pochi minuti snellirebbe e accorcerebbe i tempi. Aspetti indispensabili soprattutto in situazioni di emergenza come la pandemia. I risultati dell’elaborazione di ogni radiografia sarebbero calcolati dall’algoritmo in pochissimi secondi. Inoltre, grazie alla possibilità di rimodulare l’algoritmo, riallineando la rete neurale, è possibile fornire altri casi e far apprendere anche le nuove e possibili varianti del virus, permettendo di fatto di avere uno strumento sempre pronto in caso di emergenze.

«Il SARS-CoV-2 può provocare una polmonite che i medici e soprattutto i radiologi hanno imparato a riconoscere bene e guardando la radiografia e la TAC polmonare con piccoli margini di errore riescono ad associare il quadro radiologico al Covid o con altre patologie polmonari- commenta il direttore dell’Unità di malattie infettive del Policlinico di Palermo, Antonio Cascio– L’intelligenza artificiale riuscirà a ridurre al minimo questo margine di errore. È chiaro che gli algoritmi sviluppati dovranno essere validati con grandi casistiche, la cosiddetta validazione esterna, solo dopo questo test la metodologia potrà essere proposta per una sua applicazione pratica. Nel prossimo futuro questi algoritmi potrebbero essere inclusi nei software delle TAC che potranno quindi già suggerire al radiologo la più verosimile diagnosi».

Contribuisci alla notizia
Invia una foto o un video
Scrivi alla redazione




    1


    Immagine non superiore a 5Mb (Formati permessi: JPG, JPEG, PNG)Video non superiore a 10Mb (Formati permessi: MP4, MOV, M4V)


    Informativa sul trattamento dei dati personali

    Con la presente informativa sul trattamento dei dati personali, redatta ai sensi del Regolamento UE 679/2016, InSanitas, in qualità di autonomo titolare del trattamento, La informa che tratterà i dati personali da Lei forniti unicamente per rispondere al messaggio da Lei inviato. La informiamo che può trovare ogni altra ulteriore informazione relativa al trattamento dei Suoi dati nella Privacy Policy del presente sito web.

    Contenuti sponsorizzati

    Leggi anche