A practical roadmap to implementation of in-house developed computational pathology algorithms

Nelle silenziose stanze con pareti di vetro di un moderno laboratorio di patologia, un nuovo tipo di aiutante ha iniziato a lavorare fianco a fianco con i medici che diagnosticano le malattie. Per decenni, il compito del patologo è stato quello di esaminare sottili sezioni di tessuto al microscopio, cercando i minuscoli segni rivelatori del cancro che l'occhio nudo potrebbe mancare. Questo lavoro è lento, meticoloso e richiede un'immensa concentrazione. Recentemente, i computer hanno imparato a fare questo esame anche loro. Utilizzando una forma di intelligenza artificiale, questi programmi possono scansionare immagini digitali di vetrini tissutali e individuare anomalie con una velocità e una precisione che rivaleggiano con quelle degli esperti umani. Eppure, mentre la tecnologia è progredita rapidamente nei laboratori di ricerca, raramente è saltata nella routine quotidiana di un ospedale. Il divario tra un programma informatico che funziona in un test e uno che è affidato a salvare vite in una clinica reale è ampio, pieno di ostacoli legati alla sicurezza, alla regolamentazione e alla complessa realtà di come lavorano effettivamente i medici.

Un team di ricercatori presso il Centro Medico Universitario Radboud nei Paesi Bassi ha ora colmato quel divario. Non hanno costruito solo un algoritmo intelligente; hanno costruito un sistema completo per mettere in funzione quell'algoritmo nel proprio ospedale, proprio accanto ai loro patologi. Il loro obiettivo era risolvere un problema specifico e ad alta posta in gioco: determinare se il cancro al seno si sia diffuso ai linfonodi sentinella, i primi linfonodi dove è probabile che le cellule tumorali viaggino. In passato, i medici dovevano controllare manualmente ogni singola sezione e, se non vedevano il cancro, spesso dovevano ordinare un secondo test, più costoso, per esserne certi. I ricercatori volevano vedere se il loro strumento informatico interno potesse aiutarli a saltare passaggi inutili, risparmiare tempo e rilevare più casi di cancro, il tutto seguendo rigide norme di sicurezza.

Il viaggio è iniziato con una domanda semplice ma difficile: un programma informatico poteva essere affidato a questo lavoro in modo sicuro? Prima di lasciare che lo strumento toccasse la cartella di un vero paziente, il team lo ha sottoposto a una serie rigorosa di test. Hanno fornito al programma immagini digitali di linfonodi, inclusi 48 sezioni negative e un totale di 100 casi, alcuni dei quali contenevano piccoli ammassi di cellule cancerose. Volevano vedere se il computer avrebbe commesso errori, come mancare una cellula tumorale o segnalare erroneamente un punto sano come pericoloso. I risultati sono stati rassicuranti. Quando il computer osservava tessuto sano, lo identificava correttamente come negativo il cento per cento delle volte. Quando osservava tessuto con cancro, trovava la stragrande maggioranza dei casi, mancando solo i cluster di cellule più piccoli. Fondamentalmente, il team ha anche testato se il computer si sarebbe confuso con lievi cambiamenti nel modo in cui i vetrini venivano colorati o scansionati, imitando le variazioni naturali che avvengono in un laboratorio frenetico. Lo strumento è rimasto costante e affidabile, dimostrando di poter gestire la realtà disordinata di un laboratorio operativo.

Con le prestazioni tecniche confermate, i ricercatori sono passati alla fase successiva: vedere come funzionava lo strumento quando veniva utilizzato da veri medici. Hanno impostato uno scenario in cui i patologi esaminavano i casi sia con l'assistenza del computer sia senza. I risultati hanno mostrato un chiaro beneficio. Quando i medici avevano l'assistenza del computer, erano in grado di individuare il cancro più spesso, cogliendo casi che avrebbero potuto altrimenti mancare. Ancora più importante, lo strumento ha cambiato il flusso di lavoro. Nel vecchio sistema, un medico guardava un vetrino e, se non vedeva il cancro, doveva comunque aspettare una seconda colorazione specializzata per confermare il risultato. Con il nuovo sistema, se il computer era fiducioso che un vetrino fosse negativo, il tecnico di laboratorio poteva richiedere immediatamente quella seconda colorazione senza che il medico dovesse esaminare nuovamente il primo vetrino. Questo piccolo cambiamento significava che, per i casi negativi, il medico non doveva nemmeno dedicare tempo alla revisione dell'immagine iniziale. Per i casi in cui veniva trovato il cancro, il tempo necessario per raggiungere una decisione è sceso significativamente, da una media di nove secondi a soli quattro.

Tuttavia, il team sapeva che velocità e accuratezza non erano sufficienti. In un ospedale, la sicurezza è la priorità assoluta. Prima che lo strumento potesse entrare in funzione, il team ha dovuto mappare ogni singolo passaggio del processo per trovare potenziali punti di fallimento. Hanno riunito patologi, tecnici di laboratorio ed esperti di sicurezza per immaginare tutto ciò che avrebbe potuto andare storto, da un crash del computer a un errore umano nella lettura dei risultati. Non hanno trovato rischi maggiori che non potessero essere gestiti. Hanno progettato il sistema in modo che i risultati del computer fossero chiaramente visualizzati sullo schermo del patologo, agendo come una guida utile piuttosto che come un sostituto. Se il computer segnalava un punto come positivo, il medico lo vedeva immediatamente. Se diceva negativo, il tecnico procedeva con il passaggio successivo, ma il medico rimaneva responsabile della decisione finale. Questa pianificazione attenta ha garantito che la tecnologia supportasse i medici, invece di confonderli o bypassare la loro competenza.

L'ultimo pezzo del puzzle era l'integrazione dello strumento nell'esistente mondo digitale dell'ospedale. I ricercatori hanno costruito un ponte software personalizzato che collegava la loro intelligenza artificiale al sistema principale di immagini dell'ospedale. Questo ponte agiva come un corriere sicuro, prendendo i vetrini digitali dalla vista dei medici, inviandoli al computer per l'analisi e riportando indietro i risultati istantaneamente. Tutto questo avveniva all'interno della rete sicura dell'ospedale, il che significa che nessun dato del paziente lasciava l'edificio. Il sistema è stato progettato per essere flessibile, capace di gestire più lavoro man mano che l'ospedale cresceva, e abbastanza semplice da non richiedere al personale di apprendere un modo di lavorare completamente nuovo.

Una volta che il sistema è entrato in funzione, il team ha osservato come si comportava nel mondo reale. Lo strumento è attualmente utilizzato nel loro dipartimento di patologia, servendo come parte del flusso di lavoro per aiutare a identificare il cancro in modo più accurato e ridurre il numero di test non necessari che devono essere eseguiti. I ricercatori hanno scoperto che l'implementazione di successo di questo strumento richiedeva molto di più di un algoritmo intelligente; richiedeva una profonda comprensione di come funziona un ospedale, un impegno per la sicurezza e la volontà di riprogettare la routine quotidiana del personale. Hanno dimostrato che quando si costruisce un sistema pensando ai medici e ai tecnici, e quando si seguono le rigide regole di sicurezza e regolamentazione, l'intelligenza artificiale può passare da un concetto in un articolo di ricerca a un partner fidato nella lotta contro la malattia. Questo lavoro offre un percorso chiaro da seguire per altri ospedali, mostrando che il futuro della diagnosi medica non riguarda la sostituzione dell'esperto umano, ma il fornirgli gli strumenti giusti per fare il proprio miglior lavoro. Sebbene lo strumento sia ora in uso, il team continua a monitorare le sue prestazioni a lungo termine e la sua sicurezza attraverso una continua sorveglianza post-vendita, assicurando che i suoi benefici siano sostenuti nel tempo.