Un modello matematico per consentire una riduzione delle radiazioni ionizzanti a cui un paziente è sottoposto nel corso di una Tc. A metterlo a punto è stato un gruppo di ricercatori, fisici medici e radiologi del Dipartimento di fisica e astronomia dell’Università di Firenze e dell’Ospedale Careggi guidato dal Cnr di Firenze. In pratica il team è riuscito ad automatizzare il processo di valutazione della qualità d’immagine negli esami di tomografia computerizzata utilizzando l’intelligenza artificiale. Il progetto è stato descritto in uno studio pubblicato sul Journal of Medical Imaging.

L’impiego dell’intelligenza artificiale

La tomografia computerizzata è uno degli strumenti diagnostici più potenti e consolidati tra quelli a disposizione oggi. Tuttavia, l’analisi manuale delle immagini che vengono prodotte attraverso questa metodologia richiede molto tempo e la loro qualità è direttamente proporzionale alla quantità di radiazioni a raggi X a cui un paziente deve essere sottoposto per lo scopo. «Il nostro gruppo ha creato un algoritmo, analizzando i dati generati dall’esame visivo che diversi medici radiologi hanno effettuato su immagini Tc di un fantoccio, realizzato allo scopo di replicare le caratteristiche dei tessuti umani e la presenza di lesioni artificiali», ha spiegato Sandra Doria dell’Istituto di chimica dei composti organo metallici del Cnr. «Successivamente sono stati sviluppati due modelli di intelligenza artificiale che sono stati addestrati e testati attraverso l’utilizzo delle immagini e delle risposte dei medici raccolte precedentemente».

Le prospettive future

Questi modelli potrebbero rappresentare una strategia di valutazione automatica della qualità di un’immagine Tc, che consentirà di ottimizzare il dosaggio delle radiazioni per non esporre i pazienti a una quantità di raggi X eccessiva. «I risultati che abbiamo ottenuto attraverso questo studio», prosegue Doria, «sono molto promettenti: i nostri modelli possono identificare con accuratezza un oggetto inserito nel fantoccio, come sarebbe in grado di fare un medico radiologo. Auspichiamo, nel prossimo futuro, di riuscire ad applicare questi modelli su una scala più ampia e a rendere le valutazioni ancora più veloci e sicure».

Pubblicità