Intelligenza Artificiale e oncologia: l'algoritmo che ottimizza l'analisi della PET/TC
Nell'ultimo decennio, la richiesta di esami [¹⁸F]FDG-PET/TC è aumentata in modo significativo, parallelamente alla crescita delle patologie oncologiche. La valutazione di queste immagini, fondamentali per definire l'estensione della malattia e la risposta alle terapie, richiede tuttavia una mappatura manuale da parte di medici specialisti: un processo accurato ma che comporta un notevole dispendio di tempo.
Un recente studio ha valutato l'efficacia di un algoritmo di deep learning (denominato nnU-Net) nell'automatizzare questa segmentazione. La ricerca ha coinvolto ben 1.334 scansioni di pazienti affetti da linfoma, melanoma e tumore al polmone.
I risultati evidenziano una stretta correlazione tra i volumi tumorali individuati dall'Intelligenza Artificiale e quelli tracciati manualmente dagli specialisti.
L'automazione si conferma una risorsa affidabile per stimare il carico complessivo della malattia. L'integrazione di questi modelli nella pratica clinica potrà supportare la medicina nucleare, riducendo i tempi di refertazione e ottimizzando la gestione dei flussi di lavoro.
Commenti