Exploring learning environments for label\-efficient cancer diagnosis

Il cancro rimane una delle sfide più formidabili della medicina moderna, una malattia che toglie innumerevoli vite e pone un pesante carico sui sistemi sanitari globali. Un passo critico nella sua lotta è la diagnosi precoce, in cui i medici esaminano campioni di tessuto al microscopio per individuare i tumori prima che si diffondano. Questo processo, noto come istopatologia, si affida a esperti altamente qualificati per distinguere tra tessuto sano e crescite cancerose. Tuttavia, questo lavoro manuale è lento ed estenuante; un singolo vetrino può richiedere a uno specialista fino a trenta minuti per l'analisi, e la domanda di tale competenza spesso supera l'offerta. Per accelerare le cure, gli scienziati si sono rivolti ai computer, insegnando loro a riconoscere i pattern del cancro nelle immagini. Per anni, questi sistemi informatici hanno richiesto vaste librerie di immagini che fossero state accuratamente etichettate da esperti umani per imparare cosa cercare. Raccogliere queste immagini etichettate è un compito difficile, costoso e dispendioso in termini di tempo, creando un collo di bottiglia che limita la velocità con cui questi strumenti possono essere sviluppati e utilizzati.

Un nuovo studio condotto da ricercatori della Jamia Millia Islamia University e della Chinese University of Hong Kong esplora un modo per superare questo collo di bottiglia. Hanno indagato se i computer potessero imparare a diagnosticare il cancro efficacemente senza la necessità che ogni singola immagine sia etichettata da un essere umano. Il team ha testato tre diversi modi di istruire questi sistemi informatici. Il primo metodo, noto come apprendimento supervisionato, è l'approccio tradizionale in cui il computer impara solo da immagini che sono state completamente etichettate. Il secondo metodo, l'apprendimento semi-supervisionato, permette al computer di imparare da un piccolo numero di immagini etichettate pur osservando un pool molto più ampio di immagini non etichettate per trovare dei pattern. Il terzo metodo, l'apprendimento auto-supervisionato, tenta di insegnare al computer utilizzando solo immagini non etichettate, chiedendogli di scoprire le proprie regole su ciò che rende un'immagine simile a un'altra. I ricercatori volevano vedere se il secondo e il terzo metodo potessero eguagliare le prestazioni dell'approccio tradizionale, completamente etichettato, in particolare per tre tipi comuni di cancro: seno, polmone e rene.

Per testare queste idee, i ricercatori hanno raccolto tre distinti set di immagini mediche. Un set conteneva quasi 8.000 immagini di tessuto mammario, un altro ne aveva oltre 16.000 di tessuto polmonare e il terzo includeva più di 7.000 immagini di tessuto renale. Queste immagini provenivano da fonti diverse e avevano formati differenti, garantendo la robustezza dei risultati. Il team ha poi creato sette diversi scenari di addestramento. Nel primo scenario, hanno utilizzato solo immagini completamente etichettate. Nei successivi cinque scenari, hanno mescolato immagini etichettate e non etichettate in proporzioni variabili, spaziando da metà e metà fino a una situazione in cui solo il dieci per cento delle immagini era etichettato. Nell'ultimo scenario, hanno utilizzato solo immagini non etichettate. Hanno fornito questi diversi set di dati a tre potenti modelli informatici preesistenti progettati per riconoscere pattern nelle immagini. A questi modelli è stato poi chiesto di classificare ogni immagine come benigna, ovvero innocua, o maligna, ovvero cancerosa.

I risultati hanno rivelato una chiara gerarchia nell'efficacia dei diversi metodi di apprendimento. Come previsto, il metodo tradizionale utilizzando solo immagini completamente etichettate ha prodotto i risultati più accurati. Tuttavia, l'approccio semi-supervisionato, che utilizzava un mix di dati etichettati e non etichettati, si è avvicinato notevolmente. In molti casi, i modelli informatici addestrati con solo una piccola frazione di dati etichettati hanno ottenuto prestazioni quasi pari a quelli addestrati con tutti i dati etichettati. Ad esempio, diagnosticando il cancro al rene, un modello addestrato con solo il trenta per cento di immagini etichettate e il settanta per cento di immagini non etichettate ha raggiunto un'accuratezza di quasi il 98%, una cifra molto simile a quella del modello addestrato con tutti i dati etichettati. Anche quando la quantità di dati etichettati è stata ridotta a solo il dieci per cento, le prestazioni sono rimaste elevate. Ciò suggerisce che il computer può apprendere lezioni preziose dalle immagini non etichettate, utilizzandole per comprendere la struttura generale del tessuto prima di concentrarsi sui segni specifici del cancro.

Il terzo metodo, l'apprendimento auto-supervisionato, che si basava interamente su immagini non etichettate, ha prodotto punteggi di accuratezza inferiori rispetto agli altri due metodi. Sebbene non abbia eguagliato le prestazioni degli approcci completamente etichettato o semi-supervisionato, è comunque riuscito a identificare i pattern del cancro con un certo grado di successo, dimostrando che i computer possono estrarre informazioni utili anche senza alcuna guida umana. Tra i tre modelli informatici testati, uno noto come EfficientNetB0 ha costantemente superato gli altri in tutti e tre i tipi di cancro e in tutti i metodi di apprendimento. Ha raggiunto i tassi di accuratezza più elevati, toccando quasi il 92 per cento per il cancro al seno e oltre il 98 per cento per il cancro al rene, utilizzando le migliori condizioni di addestramento.

Lo studio conclude che il requisito rigoroso di enormi quantità di dati etichettati potrebbe non essere necessario per una diagnosi efficace del cancro. I ricercatori hanno scoperto che l'apprendimento semi-supervisionato offre un'alternativa altamente percorribile, permettendo alle squadre mediche di costruire potenti strumenti diagnostici anche quando hanno accesso solo a un numero modesto di campioni etichettati. Questa è una scoperta significativa perché abbassa la barriera all'ingresso per lo sviluppo di queste tecnologie. Se un ospedale o un laboratorio di ricerca possiede migliaia di immagini non etichettate ma solo poche centinaia di quelle etichettate, può comunque addestrare un computer ad assistere nella diagnosi con alta affidabilità. Il lavoro suggerisce che il futuro della rilevazione automatizzata del cancro non dipende esclusivamente dal laborioso compito di etichettare ogni singola immagine, ma piuttosto su metodi intelligenti che possono apprendere dai vasti quantitativi di dati non etichettati già disponibili negli archivi medici.