PulmoDiagAI: An Intelligent Medical Diagnosis System for Automated Pulmonary Pathology Classification using Deep Learning

Il polmone umano è una delicata rete ramificata di vie aeree e sacche, progettata per scambiare ossigeno con l'anidride carbonica ad ogni respiro. Quando questo sistema vacilla, le conseguenze possono essere rapide e gravi. Due delle minacce più pressanti per la salute respiratoria odierne sono il tumore al polmone e l'infezione virale nota come COVID-19. Entrambe le condizioni spesso si nascondono alla vista all'interno del corpo, rivelandosi solo attraverso le ombre sottili e le texture visibili su immagini mediche come raggi X e TAC. Per decenni, il compito di interpretare queste immagini è caduto ai radiologi, specialisti altamente addestrati che devono scansionare migliaia di immagini, cercando i segni sfumati della malattia. Questo processo è vitale, ma è anche estenuante e soggetto all'errore umano, specialmente quando i medici sono sopraffatti da un alto volume di pazienti o quando i segni della malattia sono ambigui.

Negli ultimi anni, un nuovo strumento è emerso per assistere questi esperti medici: l'intelligenza artificiale. Nello specifico, un ramo dell'IA chiamato deep learning permette ai computer di imparare a riconoscere modelli nelle immagini, molto come fa un cervello umano, ma elaborando milioni di esempi contemporaneamente. I ricercatori hanno addestrato questi sistemi digitali per individuare i segni rivelatori di polmonite, tumori e infezioni virali. L'obiettivo non è sostituire il medico, ma fornire un secondo paio di occhi che non si stanca mai, che non perde mai un dettaglio a causa della fatica e che può offrire un parere rapido e coerente su ciò che il paziente sta affrontando. La domanda rimane, tuttavia, quale specifico tipo di cervello digitale funzioni meglio per quale specifica malattia, e se questi complessi sistemi possano essere resi abbastanza semplici da poter essere utilizzati quotidianamente in un ospedale.

Un team di ricercatori dell'Università Mouloud Mammeri in Algeria ha affrontato queste domande con un nuovo sistema che chiamano PulmoDiagAI. Il loro lavoro si concentra sulla creazione di uno strumento intelligente in grado di smistare automaticamente le immagini del torace per diagnosticare due minacce distinte: il tumore al polmone e il COVID-19. Per costruire questo sistema, non hanno inventato un nuovo tipo di cervello informatico da zero. Inve fine, hanno testato cinque diverse architetture esistenti — modelli di deep learning pre-costruiti che sono già stati addestrati su vaste librerie di immagini generiche. Questi modelli, noti con nomi come VGG19, ResNet50 ed EfficientNet-B3, sono stati adattati per osservare specificamente il torace umano. I ricercatori hanno nutrito questi modelli con migliaia di immagini mediche, insegnando loro a distinguere tra polmoni sani, escrescenze benigne (non cancerose), tumori maligni (cancerosi) e infezioni virali.

Il processo è iniziato con una cura meticolosa nella preparazione delle immagini stesse. Le scansioni mediche presentano spesso variazioni di luminosità, rumore o contrasto che possono confondere un computer. Il team ha applicato una serie di miglioramenti digitali a ogni immagine, convertendole in scala di grigi, rimuovendo il rumore statico e accentuando il contrasto per rendere i bordi dei polmoni e di eventuali anomalie più nitidi. Questo passaggio era cruciale, poiché ha garantito che l'intelligenza artificiale guardasse la versione più chiara possibile dell'anatomia del paziente prima di iniziare la diagnosi. Una volta pronte le immagini, i ricercatori hanno lasciato che i cinque diversi modelli competessero tra loro, testando la loro capacità di identificare correttamente la condizione presente nell'immagine.

I risultati hanno rivelato che nessun singolo modello era perfetto per ogni compito; la scelta migliore dipendeva interamente dalla malattia oggetto di indagine. Quando si trattava di identificare il COVID-19 da radiografie del torace, un modello, EfficientNet-B3, si è distinto dagli altri. Ha identificato correttamente il virus nel 97% dei casi e ha dimostrato una capacità eccezionale di distinguere tra pazienti infetti, pazienti con altri tipi di polmonite e persone con polmoni sani. Questo modello si è rivelato così affidabile da poter separare quasi perfettamente i tre gruppi, rendendolo il candidato ideale per rilevare focolai virali.

Tuttavia, la storia è cambiata quando il team ha spostato l'attenzione sul tumore al polmone. Per questo compito più complesso, che comportava l'analisi di scansioni TC per trovare tumori, un modello diverso ha preso il comando. MobileNetV3, un design originariamente creato per essere leggero e veloce per i dispositivi mobili, ha raggiunto una precisione sorprendente del 99%. Ancora più impressionante, sia MobileNetV3 che un altro modello chiamato ResNet50 sono riusciti a trovare ogni singolo caso di cancro maligno nei loro set di test. Non hanno mancato nemmeno un singolo tumore pericoloso. Questa è una scoperta critica, poiché nello screening medico, mancare una diagnosi di cancro è molto più pericoloso che dare un falso allarme. Mentre altri modelli a volte faticavano a distinguere tra una crescita innocua e un polmone sano, questi top performer mantenevano una distinzione netta, assicurando che nessuna condizione potenzialmente letale sfuggisse all'attenzione.

I ricercatori non si sono fermati alla semplice ricerca dei numeri migliori. Comprendevano che un algoritmo potente è inutile se un medico non può usarlo facilmente. Per colmare questa lacuna, hanno costruito un programma informatico semplice e interattivo che chiunque potesse operare. Questa interfaccia consente a un clinico di caricare un'immagine del torace, selezionare se sta cercando un tumore o il COVID-19 e ricevere una risposta istantanea. Il sistema non dice solo "cancro" o "niente cancro"; fornisce un punteggio di confidenza, una percentuale che dice al medico quanto sia sicuro della sua scoperta. Questa trasparenza aiuta il professionista medico a decidere quanto peso dare all'opinione del computer, trasformando un complesso calcolo matematico in un assistente pratico e in tempo reale.

Lo studio conferma che il deep learning può essere un potente alleato nella lotta contro le malattie respiratorie, ma evidenzia anche che non esiste una soluzione universale. Il miglior strumento per individuare un virus non è necessariamente il migliore per trovare un tumore. Abbinando attentamente il giusto cervello digitale al giusto compito medico, e avvolgendo tale tecnologia in un'interfaccia facile da usare, i ricercatori hanno creato un sistema pronto per il mondo reale. PulmoDiagAI si pone come una dimostrazione del fatto che, quando l'intelligenza artificiale avanzata è accoppiata a una meticolosa preparazione medica, può offrire un modo affidabile, rapido e accessibile per supportare i medici nel salvare vite umane.