AFFILIAZIONE
senseledge
AUTORE PRINCIPALE
Dott. Davoli Daniele
Registrazione obbligatoria. Una valutazione consentita
GRUPPO DI LAVORO
Dott.ssa Rossi Muriel senseledge
Dott. Marasco Mirko senseledge
Dott. Marasco Mirko senseledge
AREA TEMATICA
Applicazioni di intelligenza artificiale in sanità
ABSTRACT
Revelio è un progetto avanzato per lo sviluppo di un sistema di Artificial Intelligence (AI) per il supporto diagnostico di precisione che trova applicazione nei programmi di screening per la prevenzione del tumore al seno.
Il Team del progetto è composto da ingegneri esperti di algoritmi AI, da professionisti con esperienza decennale nell’organizzazione e direzione delle aziende sanitarie pubbliche, e da diversi professionisti sanitari per validare la soluzione dal punto di vista clinico-scientifico.
I destinatari del progetto sono tutte le unità di senologia impiegate nei programmi di screening per la prevenzione del tumore al seno.
Il sistema permette di elaborare le immagini diagnostiche degli studi mammografici mettendo a disposizione le seguenti funzionalità:
1. Individuazione della lesione sospetta – Individuazione di posizione, forma e dimensione (segmentazione) della lesione sospetta
2. Score di malignità – Predizione dello score di malignità che indica la probabilità della presenza di una neoplasia maligna
3. Densità mammografica – Stima la densità mammografica secondo la codifica internazionale BI-RADS
Il sistema presenta, perciò, i seguenti casi d’uso:
1. Triage veloce degli studi normali – Diminuzione di circa il 60% del carico di lavoro dei radiologi attraverso il triage automatico degli studi normali senza compromettere le performance diagnostiche
2. Diagnosi precoci del tumore al seno – Incremento delle performance nel diagnosticare il tumore al seno al primo stadio (T1)
3. Abbattimento dei falsi negativi – L’ulteriore lettura della mammografia da parte dell’AI in second o third opinion (in aggiunta al doppio cieco dei radiologi) abbatte il numero dei falsi negativi
4. Incremento della performance diagnostica nelle mammele dense più difficili da interpretare
5. Supporto decisionale sulle azioni da intraprendere nei casi più complessi BI-RADS 3 e 4
Tutti questi casi d’uso possono implementare, nel loro complesso, un protocollo di screening aumentato e potenziato dall’AI che permette di ottenere i seguenti vantaggi per i destinatari del progetto:
• Abbattimento del carico di lavoro dei radiologi stimato a più della metà scartando automaticamente gli studi mammografici normali senza aumentare il rischio di falsi negativi
• Suggerimento ad effettuare un’escalation diagnostica ad esami di secondo livello per gli studi risultati normali dalla lettura in doppio cieco ma che hanno ricevuto dall’AI uno score di malignità alto (third opinion)
Il Team del progetto è composto da ingegneri esperti di algoritmi AI, da professionisti con esperienza decennale nell’organizzazione e direzione delle aziende sanitarie pubbliche, e da diversi professionisti sanitari per validare la soluzione dal punto di vista clinico-scientifico.
I destinatari del progetto sono tutte le unità di senologia impiegate nei programmi di screening per la prevenzione del tumore al seno.
Il sistema permette di elaborare le immagini diagnostiche degli studi mammografici mettendo a disposizione le seguenti funzionalità:
1. Individuazione della lesione sospetta – Individuazione di posizione, forma e dimensione (segmentazione) della lesione sospetta
2. Score di malignità – Predizione dello score di malignità che indica la probabilità della presenza di una neoplasia maligna
3. Densità mammografica – Stima la densità mammografica secondo la codifica internazionale BI-RADS
Il sistema presenta, perciò, i seguenti casi d’uso:
1. Triage veloce degli studi normali – Diminuzione di circa il 60% del carico di lavoro dei radiologi attraverso il triage automatico degli studi normali senza compromettere le performance diagnostiche
2. Diagnosi precoci del tumore al seno – Incremento delle performance nel diagnosticare il tumore al seno al primo stadio (T1)
3. Abbattimento dei falsi negativi – L’ulteriore lettura della mammografia da parte dell’AI in second o third opinion (in aggiunta al doppio cieco dei radiologi) abbatte il numero dei falsi negativi
4. Incremento della performance diagnostica nelle mammele dense più difficili da interpretare
5. Supporto decisionale sulle azioni da intraprendere nei casi più complessi BI-RADS 3 e 4
Tutti questi casi d’uso possono implementare, nel loro complesso, un protocollo di screening aumentato e potenziato dall’AI che permette di ottenere i seguenti vantaggi per i destinatari del progetto:
• Abbattimento del carico di lavoro dei radiologi stimato a più della metà scartando automaticamente gli studi mammografici normali senza aumentare il rischio di falsi negativi
• Suggerimento ad effettuare un’escalation diagnostica ad esami di secondo livello per gli studi risultati normali dalla lettura in doppio cieco ma che hanno ricevuto dall’AI uno score di malignità alto (third opinion)
