L’intelligenza artificiale può sostituire un medico nello screening del cancro al polmone tramite radiografia?
La radiografia del torace rimane uno strumento semplice e ampiamente utilizzato per lo screening di malattie come il cancro al polmone. In Giappone, fa parte degli esami medici obbligatori in azienda. Tuttavia, la sua interpretazione richiede una notevole competenza. Per limitare gli errori, generalmente due medici analizzano ogni immagine, il che aumenta il loro carico di lavoro.
Uno studio recente ha valutato se i software di intelligenza artificiale potessero assumere il ruolo del primo lettore in questo sistema di doppia lettura. I ricercatori hanno analizzato più di 320.000 radiografie effettuate tra il 2018 e il 2020. Tra i casi sospetti di cancro al polmone, sono stati testati tre modelli di IA. Risultato: questi strumenti hanno rilevato tra il 62% e il 77% delle anomalie, contro il 59% dei medici umani. Anche concentrandosi esclusivamente sui noduli polmonari, i più frequenti, le prestazioni delle IA rimanevano superiori, con tassi di rilevamento compresi tra il 64% e il 76%, mentre i medici raggiungevano il 59%.
L’intelligenza artificiale ha quindi dimostrato una capacità almeno equivalente a quella dei professionisti, se non migliore. D’altra parte, ha generato più falsi allarmi. Mentre i medici ne producevano pochissimi, i software ne hanno identificati tra 6 e 15 ogni 100 esami, a seconda del modello utilizzato. Questi errori si verificano spesso quando strutture normali, come le costole o i vasi sanguigni, vengono confuse con lesioni.
Questi risultati suggeriscono che l’IA potrebbe effettivamente sostituire il primo lettore nello screening. Ciò permetterebbe di ridurre il carico di lavoro dei medici mantenendo la qualità della diagnosi. Tuttavia, i noduli più discreti o più piccoli rimangono una sfida per questi strumenti. Una maggiore attenzione da parte del secondo lettore umano sarebbe quindi necessaria per i casi difficili.
Questo approccio potrebbe standardizzare le interpretazioni e limitare le variazioni in base all’esperienza dei medici. Saranno necessari ulteriori studi in diversi centri medici per confermare questi benefici e valutare l’impatto sull’organizzazione delle cure. L’obiettivo è integrare gradualmente queste tecnologie nella pratica clinica quotidiana, senza sacrificare la precisione dello screening.
Bases documentaires
Rapport de référence
DOI : https://doi.org/10.1007/s11604-026-01973-z
Titre : Can AI substitute the first reader in chest radiograph screening? A retrospective non-inferiority evaluation
Revue : Japanese Journal of Radiology
Éditeur : Springer Science and Business Media LLC
Auteurs : Kotaro Yoshida; Atsushi Takamatsu; Rie Tanaka; Tetsuo Matsunaga; Antoine Choppin; Aya Tonouchi; Satoshi Kobayashi; Takeshi Kobayashi