Il tumore al polmone rimane la principale causa di morte per cancro in tutto il mondo, ampiamente perché viene spesso scoperto troppo tardi. Quando la malattia viene individuata precocemente, mentre un tumore è ancora piccolo e circoscritto, i tassi di sopravvivenza sono elevati. Quando si diffonde, le prospettive peggiorano drasticamente. Per intercettare questi primi segnali, i medici utilizzano la tomografia computerizzata a basso dosaggio, o scansioni TC, che scattano centinaia di immagini trasversali del torace. Una singola scansione produce una massiccia pila di fette, creando una mappa tridimensionale dei polmoni. Tuttavia, leggere queste scansioni è un compito estenuante per i radiologi umani. Essi devono esaminare fetta dopo fetta, cercando piccoli e deboli punti che potrebbero essere noduli. Il puro volume di dati porta alla fatica, e spesso anche gli esperti non concordano su ciò che vedono. È qui che intervengono i sistemi informatici, promettendo di agire come un secondo paio di occhi instancabile, scansionando l'intero volume per segnalare potenziali minacce.

La sfida per questi computer è che i dati che analizzano sono complicati. Le immagini non sono cubi perfetti; lo spazio tra le fette è spesso molto più grande del dettaglio all'interno di una singola fetta. Gli strumenti standard di visione artificiale, progettati per trattare tutte le direzioni allo stesso modo, sprecano sforzi elaborando lo spazio vuoto tra le fette mentre perdono i dettagli sottili all'interno di esse. Inoltre, trovare un nodulo è diverso dal delineare la sua forma esatta, eppure la maggior parte dei sistemi tratta queste come attività separate. L'ostacolo maggiore, tuttavia, è che i noduli sono incredibilmente rari rispetto al tessuto polmonare sano circostante. In un piccolo cubo di tessuto polmonare, il nodulo potrebbe occupare meno dell'uno percento dello spazio. Quando un programma informatico cerca di imparare da un dataset così sbilanciato, spesso si arrende, decidendo semplicemente che ogni singolo punto è tessuto sano perché questa è la scelta più sicura e facile. Questo articolo presenta un nuovo sistema progettato per risolvere questi problemi specifici, consentendo a un programma informatico leggero di girare su piccoli dispositivi portatili pur trovando e delineando questi punti pericolosi con una precisione sorprendente.

I ricercatori, lavorando da facoltà di medicina in Cina, hanno sviluppato una nuova rete chiamata Light3D-NoduleNet. Il loro obiettivo era costruire un sistema abbastanza piccolo da poter girare su un dispositivo edge, come un computer portatile utilizzato in una clinica, piuttosto che su un enorme server farm. Hanno iniziato riprogettando il modo in cui il computer "guarda" le immagini 3D. Invece di utilizzare un filtro standard a blocchi che tratta le direzioni su-giù, destra-sinistra e davanti-dietro nello stesso modo, hanno creato un filtro asimmetrico. Questo filtro comprende che l'immagine è allungata in una direzione. Utilizza un filtro largo e piatto per scansionare i modelli dettagliati all'interno di una fetta e un filtro sottile e verticale per controllare i cambiamenti tra le fette. Questo semplice cambiamento riduce il numero di calcoli necessari di oltre la metà, rendendo il sistema molto più veloce e leggero senza perdere la sua capacità di vedere i dettagli fini.

Per rendere il sistema ancora più intelligente, i ricercatori hanno aggiunto un meccanismo che permette al computer di prestare attenzione alle parti più importanti dell'immagine. Proprio come un lettore umano potrebbe concentrarsi su una specifica area di un testo, il sistema impara ad aggiustare il proprio fuoco in base alla profondità della rete. Nei primi strati, osserva texture locali piccole, mentre negli strati più profondi, fa un passo indietro per comprendere le strutture più grandi dei polmoni, come vasi sanguigni e vie aeree. Questo aiuta il computer a distinguere tra un innocuo vaso sanguigno e un pericoloso nodulo, un compito che spesso confonde i sistemi più semplici.

La scoperta più critica di questo lavoro, tuttavia, non riguardava la velocità o l'attenzione, ma come il computer impara a risolvere due compiti contemporaneamente. Il sistema è progettato per fare due cose simultaneamente: prima, trovare il centro di un nodulo, e secondo, disegnare l'esatto contorno di quel nodulo. Nei tentativi precedenti, questi due compiti venivano spesso insegnati separatamente o lasciati lavorare in isolamento. I ricercatori hanno scoperto che quando costringevano questi due compiti a comunicare tra loro, l'intero sistema prendeva vita. Hanno costruito un ponte tra le due parti della rete. La parte che trova il centro invia un segnale alla parte che delinea, dicendo: "Guarda qui, è qui che si trova l'oggetto". In cambio, la parte che delinea invia un segnale indietro, dicendo: "Il bordo è qui, quindi il centro deve essere vicino a questo confine".

Questa conversazione a due vie si è rivelata la chiave per risolvere il problema del forte squilibrio. Senza questo ponte, il computer si arrenderebbe semplicemente e dichiarerebbe che l'intero polmone è sano, ottenendo un punteggio di circa 0,23 nella sua capacità di trovare i noduli — un risultato noto come "soluzione banale" dove il modello non impara nulla di utile. I ricercatori hanno testato questo costruendo versioni del sistema senza il ponte. Indipendentemente da come modificavano le altre parti, quelle versioni rimanevano bloccate a quel punteggio basso, incapaci di imparare qualsiasi cosa di utile. Solo quando la connessione a due vie era presente, il sistema riusciva a rompere la barriera dell'arrendersi, imparando a trovare i noduli e a delinearli correttamente. Questa scoperta suggerisce che, affinché i sistemi medici piccoli ed efficienti funzionino, devono essere progettati con un ciclo integrato in cui i diversi compiti si rinforzano a vicenda, invece di lavorare in isolamento.

Il team ha testato il loro sistema su migliaia di scansioni TC reali da database medici pubblici. Hanno confrontato i loro risultati con diversi modelli consolidati e più grandi. Nonostante avessero molti meno parametri e richiedessero meno potenza di calcolo, il loro sistema ha superato i modelli più grandi e complessi. Ha raggiunto un alto livello di accuratezza nel delineare i noduli, eguagliando le prestazioni di sistemi molto più pesanti pur utilizzando solo una frazione delle risorse. Quando hanno eseguito il sistema su un piccolo dispositivo portatile progettato per l'uso sul campo, ha elaborato le immagini abbastanza velocemente da essere utile in un vero contesto clinico, impiegando solo pochi secondi per analizzare un'area candidata.

I ricercatori hanno anche esplorato quanto bene il sistema potesse trovare i noduli in una scansione completa di un intero polmone. Sebbene non fosse aggressivo come i sistemi costruiti esclusivamente per la rilevazione, ha identificato con successo la stragrande maggioranza dei noduli quando combinato con un piccolo passaggio extra per filtrare i falsi allarmi. Il sistema ha dimostrato che è possibile creare uno strumento medico tridimensionale altamente accurato che stia su un piccolo dispositivo, a patto che l'architettura permetta alle diverse parti del sistema di lavorare insieme in un ciclo chiuso. Questo approccio offre una nuova strada per portare lo screening avanzato del tumore al polmone in luoghi dove i grandi supercomputer non sono disponibili, salvando potenzialmente vite rendendo la diagnosi precoce più accessibile.