Nel mondo della medicina moderna, il referto di un radiologo è molto più di una semplice descrizione di una radiografia o di una TC; è una narrazione strutturata che collega indizi visivi specifici a distinte condizioni mediche. Quando un medico osserva un'immagine del torace, non vede un unico concetto sfocato di "malattia". Al contrario, identifica una serie di riscontri precisi: forse liquido nei polmoni, un cuore ingrossato o una sezione di tessuto collassata. Ognuna di queste osservazioni corrisponde a una parte specifica dell'immagine e richiede una descrizione precisa nel referto finale. Per anni, i computer hanno faticato a generare questi referti automaticamente. Sebbene l'intelligenza artificiale sia diventata molto brava a scrivere frasi fluenti, spesso fallisce nel collegare le parole giuste alle giuste prove visive. Il computer potrebbe scrivere un referto grammaticalmente perfetto che però omette un dettaglio critico o confonde due condizioni diverse, perché è stato addestrato a guardare l'immagine e il referto come un unico grande insieme indifferenziato, piuttosto che come una collezione di fatti specifici e collegati.

Un team di ricercatori dell'Università di Sydney e di altre istituzioni ha proposto un nuovo modo per insegnare ai computer come scrivere questi referti medici, un metodo che rispetta la struttura dettagliata della diagnosi umana. Il loro lavoro, presentato in una importante conferenza sulla multimedia, suggerisce che il problema non sia che gli attuali computer siano troppo piccoli o non abbastanza intelligenti, ma che stiano imparando la lezione sbagliata. Invece di chiedere a un'intelligenza artificiale di abbinare un'intera immagine a un intero referto, i ricercatori hanno scomposto il compito in passaggi più piccoli e logici. Hanno creato un sistema che costringe il computer a imparare come associare malattie specifiche a parti specifiche dell'immagine, pur mantenendo la coerenza complessiva della storia del referto. Questo approccio, che chiamano Graph-Supervised Hierarchical Clinical Alignment, utilizza una mappa di conoscenza medica solo durante la fase di addestramento per guidare il processo di apprendimento, per poi scartare tale mappa una volta che il computer è pronto per operare.

Il nucleo di questo nuovo metodo è la consapevolezza che un referto radiologico è costruito a strati. Allo strato inferiore, ci sono i singoli riscontri, come "polmonite" o "frattura", ciascuno legato a una piccola regione dell'immagine. Allo strato superiore, c'è il flusso complessivo del referto, che assicura che questi singoli fatti abbiano senso insieme come un'unica storia medica. I tentativi precedenti di migliorare questi sistemi spesso cercavano di rendere il computer più intelligente fornendogli più dati o un "cervello" più grande, ma i ricercatori hanno scoperto che cambiare semplicemente il modo in cui il computer veniva istruito era più efficace. Hanno progettato un processo di addestramento che agisce come una guida in due fasi. Primo, il sistema impara ad allineare l'intera immagine con l'intero referto per garantire che il significato generale sia corretto. Secondo, e più importante, utilizza una guida strutturata di relazioni mediche per insegnare al computer a collegare termini medici specifici a modelli visivi specifici. Questa guida è un grafo di conoscenza, una rete che comprende che "cuore" e "torace" sono correlati, o che "liquido" e "gonfiore" compaiono spesso insieme. Fondamentalmente, questa guida viene utilizzata solo durante l'apprendimento del computer; una volta terminato l'addestramento, la guida viene rimossa, lasciando un sistema veloce ed efficiente che non ha bisogno di consultare una mappa complessa ogni volta che genera un referto.

Per testare se questo metodo funzionasse davvero, i ricercatori hanno addestrato il loro sistema su tre diversi set di dati medici, inclusa una vasta collezione di oltre 370.000 radiografie del torace e i relativi referti. Hanno confrontato il loro nuovo sistema, che utilizza un modello linguistico relativamente piccolo con circa 3 miliardi di parametri, con altri sistemi che utilizzano modelli molto più grandi con 7 miliardi o anche 13 miliardi di parametri. I risultati sono stati sorprendenti. Il modello più piccolo, addestrato con questo nuovo approccio strutturato, ha costantemente superato i modelli più grandi sia nei test linguistici standard che nelle valutazioni cliniche specializzate. Ha generato referti che non solo erano più fluenti, ma anche più accurati nella descrizione delle specifiche condizioni mediche presenti nelle immagini. Il sistema era più bravo nell'identificare dettagli sottili, come l'esatta posizione di un'anomalia, ed evitava l'errore comune di confondere diverse malattie. Infatti, i ricercatori hanno scoperto che il loro modello da 3 miliardi di parametri poteva produrre risultati migliori rispetto a sistemi che erano più di quattro volte la sua dimensione, suggerendo che il modo in cui le informazioni vengono organizzate durante l'apprendimento conta molto più della pura dimensione della memoria del computer.

I ricercatori hanno anche esaminato cosa accadeva quando rimuovevano diverse parti del loro nuovo metodo di addestramento per vedere quali pezzi fossero i più importanti. Hanno scoperto che entrambi i livelli di addestramento erano necessari. Se il sistema avesse imparato solo ad abbinare l'intera immagine all'intero referto, avrebbe prodotto referti fluidi ma che spesso mancavano di dettagli specifici. Se avesse imparato solo ad abbinare singole malattie a parti dell'immagine, i referti sarebbero diventati un elenco disgiunto di fatti privo di una narrazione coerente. Solo quando entrambi i livelli venivano combinati, il sistema produceva referti che erano sia precisi che naturali. Inoltre, hanno testato se la forma specifica della mappa di conoscenza medica importasse. Hanno scoperto che l'uso di una mappa che riflettesse le reali relazioni anatomiche funzionava molto meglio rispetto all'uso di una mappa casuale o di una mappa in cui tutto era connesso a tutto il resto. Ciò ha confermato che il valore del sistema derivava dall'insegnare al computer a rispettare la struttura logica della conoscenza medica, e non solo dall'aggiungere più dati.

Uno degli aspetti più significativi di questo lavoro è come esso cambi la relazione tra il computer e i dati medici. In molti tentativi precedenti di utilizzare grafi di conoscenza medica, il computer doveva portare con sé la mappa complessa ogni volta che generava un referto, il che rallentava il processo e lo rendeva difficile da utilizzare in un contesto ospedaliero reale. Questo nuovo metodo evita completamente tale collo di bottiglia. Utilizzando la mappa di conoscenza solo come un insegnante temporaneo durante la fase di addestramento, il sistema finale rimane semplice e veloce. Esso apprende la struttura del mondo medico e poi applica tale comprensione senza dover consultare le regole ogni volta. Ciò significa che gli ospedali potrebbero potenzialmente utilizzare questi sistemi avanzati senza preoccuparsi del costo computazionale extra o della complessità che solitamente accompagna l'integrazione di una profonda conoscenza medica. Il sistema impara a pensare come un radiologo scomponendo il problema in parti gestibili, assicurando che ogni parola nel referto sia fondata su un fatto visivo specifico.

Il successo di questo approccio suggerisce un cambiamento nel modo in cui pensiamo all'intelligenza artificiale in medicina. Per molto tempo, la convinzione prevalente è stata che, per risolvere problemi complessi, avessimo semplicemente bisogno di costruire computer sempre più grandi. Questo articolo sostiene che ci siamo concentrati sulla leva sbagliata. Il collo di bottiglia nella generazione di referti medici accurati non è la mancanza di potenza di calcolo, ma la mancanza di una supervisione strutturata. Insegnando al computer ad allineare il suo apprendimento con la struttura reale del compito medico — ovvero abbinare riscontri specifici a prove specifiche — possiamo ottenere risultati migliori con modelli più piccoli ed efficienti. I ricercatori lo hanno dimostrato mostrando che il loro metodo migliorava la qualità dei referti attraverso diversi tipi di immagini mediche, dalle classiche radiografie del torace alle scansioni TC dei polmoni. Il sistema è stato in grado di generare referti clinicamente fedeli, il che significa che riflettevano accuratamente la realtà medica delle immagini, piuttosto che limitarsi a sembrare tali.

In definitiva, il lavoro offre una via chiara per migliorare il modo in cui le macchine assistono i medici. Dimostra che, rispettando la natura gerarchica della diagnosi umana, dove i singoli fatti costruiscono una storia completa, possiamo creare strumenti che siano sia più intelligenti che più affidabili. I ricercatori non hanno solo costruito un miglior generatore di referti; hanno ridefinito il problema, dimostrando che la chiave per sbloccare il potenziale dell'intelligenza artificiale in radiologia risiede nel modo in cui strutturiamo il processo di apprendimento stesso. Decomponendo il compito in un allineamento globale dell'intero referto e un allineamento fine dei singoli riscontri, hanno creato un sistema che comprende la differenza tra una descrizione generale e un reperto medico preciso. Questo approccio non solo produce referti migliori, ma lo fa in un modo che è pratico per l'uso nel mondo reale, provando che a volte lo strumento più potente non è un cervello più grande, ma un modo migliore di pensare.