Trustworthy Few-Shot Transfer Learning withExplainable AI for PCOS Ultrasound Classification

Nelle stanze silenziose e scarsamente illuminate di una clinica moderna, un medico tiene una sonda contro la pelle di un paziente, osservando uno schermo in bianco e nero granuloso che prende vita. Questa è un'ecografia, una finestra sul corpo che rivela la forma e la consistenza degli organi interni. Per le donne in età fertile, una delle condizioni più comuni che i medici cercano è la sindrome dell'ovaio policistico, un disturbo ormonale che può influenzare la fertilità e la salute generale. Per diagnosticarla, uno specialista deve contare i minuscoli sacchi pieni di fluido, chiamati follicoli, sulle ovaie e misurarne la dimensione. Questo compito è difficile. Si basa fortemente sull'esperienza del medico, sulla qualità della macchina e persino sull'angolo della sonda. Due esperti che guardano la stessa immagine potrebbero non essere d'accordo sul conteggio, portando a incertezza nel trattamento.

Per anni, gli scienziati hanno cercato di costruire programmi informatici che possano leggere queste immagini con la stessa abilità di un esperto umano. Questi programmi, noti come intelligenza artificiale, vengono solitamente addestrati mostrando loro migliaia di esempi etichettati finché non imparano a riconoscere i modelli. Tuttavia, nel mondo reale della medicina, raccogliere migliaia di immagini perfette e etichettate è spesso impossibile. Gli ospedali possono avere solo poche decine di casi, o i dati possono essere sparsi in diverse cliniche. Ciò crea un ostacolo importante: come può un computer imparare a diagnosticare una condizione quando ha pochissimo materiale su cui studiare? Inoltre, anche quando un computer fa una previsione corretta, i medici devono sapere il perché. Devono vedere quale parte dell'immagine l'intelligenza artificiale sta osservando, per assicurarsi che non stia solo indovinando basandosi su un frammento casuale di rumore. Questo bisogno di chiarezza è il cuore di un nuovo studio che esplora come costruire un'IA medica affidabile quando i dati sono scarsi.

Un team di ricercatori della Daffodil International University in Bangladesh si è posto l'obiettivo di risolvere questo doppio problema. Volevano sapere se un computer potesse imparare a identificare la sindrome dell'ovaio policistico dalle immagini ecografiche utilizzando solo un piccolo gruppo di esempi, e se le ragioni che forniva per le sue decisioni rimanessero affidabili in quelle condizioni difficili. Per farlo, hanno utilizzato una vasta collezione di 11.784 immagini ecografiche, suddivise in due gruppi: quelli che mostravano la sindrome e quelli che non la mostravano. Invece di addestrare i loro modelli sull'intera collezione in una volta sola, hanno simulato uno scenario in cui il computer doveva imparare da gruppi molto piccoli di immagini. Hanno testato il sistema con appena cinque esempi per condizione, aumentando gradualmente il numero a dieci, venti, cinquanta e infine all'intero dataset.

I ricercatori hanno confrontato due diversi tipi di architetture informatiche, che possono essere pensate come i motori sottostanti che elaborano l'informazione visiva. Un motore era progettato per essere estremamente efficiente ma veniva mantenuto per lo più "congelato", il che significa che non poteva cambiare molto la sua struttura interna durante l'apprendimento. L'altro motore era invece autorizzato ad adattare i suoi strati finali, offrendo maggiore flessibilità nell'adattarsi ai dettagli specifici delle immagini mediche. I risultati hanno mostrato un vincitore chiaro nell'ambiente con pochi dati. Il motore flessibile, che regolava i suoi strati più profondi, ha superato costantemente quello rigido. Quando riceveva solo cinque esempi per imparare, il sistema flessibile identificava correttamente la condizione circa il 79 percento delle volte, mentre il sistema rigido otteneva circa il 76 percento. Man mano che la quantità di dati di addestramento cresceva, entrambi i sistemi miglioravano, ma quello flessibile manteneva un vantaggio costante, specialmente quando il numero di esempi era ridotto. Ai livelli di dati più bassi, il sistema rigido ha raggiunto un livello di prestazione rispettabile del 75,5% di accuratezza e 0,844 di AUC, sebbene mostrasse un'accuratezza leggermente inferiore e una capacità meno equilibrata di distinguere tra i due tipi di immagini rispetto al sistema flessibile.

La scoperta forse più sorprendente riguardò il "perché" dietro le decisioni del computer. I ricercatori hanno utilizzato una tecnica che evidenzia le aree specifiche di un'immagine che hanno influenzato la scelta del computer, creando una mappa di calore che brilla sopra le parti rilevanti. Volevano vedere se queste mappe di calore diventassero sfocate o inaffidabili quando il computer veniva addestrato su pochissime immagini. Hanno misurato l'affidabilità di queste spiegazioni utilizzando diversi test rigorosi, controllando se la fiducia del computer diminuiva quando l'area evidenziata veniva rimossa, e quanto rimaneva stabile la mappa di calore quando l'immagine veniva leggermente alterata. I risultati sono stati rassicuranti. Sebbene le metriche specifiche variassero tra i modelli e le quantità di dati, la qualità complessiva della spiegazione non è diminuita statisticamente man mano che la quantità di dati di addimento diminuiva. Anche quando il computer veniva addestrato su soli cinque esempi, le mappe di calore prodotte rimanevano statisticamente fedeli nella loro fedeltà, dimostrando che il computer stava guardando realmente i follicoli e le strutture ovariche che contano per un medico, indipendentemente da quanti pochi dati avesse visto, anche se i pattern di attivazione visiva apparivano un po' più diffusi rispetto agli scenari con dati completi.

Questa stabilità è rimasta valida anche quando i ricercatori hanno testato la robustezza del sistema contro il rumore, simulando le variazioni che avvengono nelle cliniche reali dove le apparecchiature differiscono da un ospedale all'altro. Il sistema flessibile è rimasto costante, mentre il sistema rigido ha mostrato segni di sensibilità, con le sue spiegazioni che cambiavano più facilmente al variare della qualità dell'immagine. Lo studio suggerisce che, affinché l'IA medica sia davvero utile in contesti con risorse limitate, dove i grandi dataset non sono disponibili, la chiave non è solo avere un modello potente, ma scegliere un modello che possa adattare i propri strati profondi al compito specifico. La ricerca conferma che è possibile costruire sistemi che siano sia accurati che spiegabili, anche quando i dati di addestramento sono estremamente limitati. Ciò offre una strada da seguire per l'implementazione di strumenti diagnostici affidabili in luoghi dove ogni singola immagine del paziente conta, garantendo che il ragionamento del computer rimanga chiaro e affidabile per i medici che dipendono da esso.