Un nuovo studio pubblicato su Radiology Business rivela come una strategia ibrida, che combina lettura automatizzata e intervento medico mirato, possa ridurre il carico di lavoro dei radiologi del 38% senza compromettere l’accuratezza diagnostica. Una vera svolta per i programmi di screening mammografico.
Nel mondo della diagnostica per immagini, l’Intelligenza Artificiale non è più una promessa futuristica: è una realtà. Ma la vera sfida, oggi, non è sostituire l’occhio umano, bensì capire quando l’algoritmo è abbastanza sicuro da decidere da solo e quando, invece, è meglio lasciare il giudizio finale al medico.
È proprio questo il principio alla base della nuova Hybrid AI Reading Strategy, sviluppata da un team di ricerca olandese e pubblicata sulla rivista Radiology Business della RSNA. Il sistema è in grado di valutare non solo la probabilità che vi sia un tumore in una mammografia, ma anche il grado di certezza delle proprie valutazioni. In pratica, l’AI sceglie se farsi da parte: analizza ogni immagine e, quando è “incerta”, lascia il compito ai radiologi. Il risultato? Un risparmio del 38% in termini di letture, a parità di tassi di richiamo e di rilevazione tumorale.
L’elemento chiave: “uncertainty quantification”
La vera innovazione non è solo tecnologica, ma cognitiva: il sistema è stato addestrato per sapere quando può fidarsi del proprio giudizio e quando no. È ciò che in gergo tecnico viene definito uncertainty quantification, ovvero il grado di fiducia nella propria decisione, una metrica che misura la “fiducia” dell’algoritmo nella propria risposta.
“L’uso dell’AI con una quantificazione dell’incertezza può essere una soluzione concreta alla carenza di personale medico e può contribuire a rafforzare la fiducia verso queste tecnologie”, afferma Sarah Verboom, autrice dello studio, in una nota ufficiale della RSNA.
Un messaggio forte e chiaro: non basta un algoritmo performante. Serve un algoritmo che sappia quando è il momento di farsi aiutare.
Health Triage: sulla stessa traiettoria di innovazione
Il principio è lo stesso del progetto olandese: lasciare a un solo radiologo la lettura nei casi in cui l’algoritmo ha una quasi assoluta confidenza di negatività e affidare a due radiologi i casi più incerti o potenzialmente a rischio. È una strategia win-win che consente di:
- ridurre i costi del sistema sanitario;
- abbattere i tempi di refertazione;
- ottimizzare il processo diagnostico;
- estendere l’accesso ai programmi di screening.
“Il nostro sistema non sostituisce il medico, ma gli permette di lavorare meglio, più velocemente, con più precisione e meno stress,” ha dichiarato Davide Dettori, CEO di Health Triage. “È questo il futuro dello screening: un equilibrio dinamico tra intelligenza artificiale e umana.”
E con tecnologie come quelle sviluppate da Health Triage, quel futuro è sempre più vicino.