La ricerca, presentata al congresso internazionale MEDICON 2026 di Siena e pubblicata da Springer Nature, analizza un sistema di Intelligenza Artificiale per lo screening mammografico. Lo studio, firmato da Luca Piano, Domenico Ficili, Giovanni Maimone, Giovanni Serra, Elena Galeasso, Giulia Rotunno, Simone Mazzetti, Valentina Giannini, Daniele Regge e Francesca Caumo, evidenzia una possibile riduzione del 75% del carico di lavoro del secondo lettore, mantenendo un’elevata sensibilità.
Ridurre il carico di lavoro dei radiologi senza compromettere l’accuratezza dello screening mammografico è una delle sfide più importanti per l’applicazione dell’Intelligenza Artificiale in ambito sanitario. È su questo obiettivo che si concentra lo studio AI-Assisted Triage in Screening Mammography: Multi-Center Validation of a Transformer-Based System for Workload Reduction at High Sensitivity, presentato da Giulia Rotunno, ricercatrice di Health Triage, a MEDICON 2026, la conferenza internazionale dedicata all’ingegneria medica e biologica svoltasi a Siena.
Il lavoro è stato pubblicato il 26 settembre scorso da Springer Nature, nella collana scientifica IFMBE Proceedings, volume 145, che raccoglie i contributi del congresso. La pubblicazione presenta i risultati della valutazione di un sistema di IA, progettato per analizzare gli esami mammografici e supportare l’organizzazione dei programmi di screening.
Oltre 660.000 esami per sviluppare il modello
Lo screening mammografico rappresenta uno strumento fondamentale per la diagnosi precoce del tumore al seno, ma richiede un notevole impegno di risorse specialistiche. In molti programmi, infatti, ciascun esame viene valutato indipendentemente da due radiologi, secondo il principio della doppia lettura, per aumentare l’affidabilità del percorso diagnostico.
La ricerca affronta questa esigenza attraverso un sistema di triage basato sull’Intelligenza Artificiale, sviluppato per identificare gli esami a basso rischio e contribuire a ridurre il numero di letture necessarie. Il modello è stato addestrato su oltre 660.000 esami mammografici e successivamente sottoposto a due test indipendenti, utilizzando immagini provenienti da apparecchiature di diversi produttori ed esami effettuati su donne di differenti nazionalità. Questa impostazione ha permesso di studiare la capacità del sistema di mantenere prestazioni elevate anche in condizioni differenti da quelle utilizzate durante l’addestramento, un aspetto particolarmente importante per le possibili applicazioni dell’IA in contesti clinici eterogenei.
Dal punto di vista tecnologico, il modello di Intelligenza Artificiale MedTinyViT utilizza meccanismi di attenzione che gli consentono di individuare e mettere in relazione informazioni complesse nelle immagini. Nello specifico, analizza le quattro proiezioni standard di un esame mammografico, integrandole in un’unica valutazione.
I risultati: meno esami da sottoporre alla doppia lettura
Lo studio ha valutato un sistema di Intelligenza Artificiale progettato per identificare gli esami mammografici che possono essere considerati negativi con un elevato grado di affidabilità, con l’obiettivo di ridurre il numero di esami da sottoporre alla seconda lettura del radiologo. Nelle valutazioni condotte su due test set indipendenti, il modello ha raggiunto una sensibilità rispettivamente del 98,9% e del 96,6%. Un indicatore particolarmente importante per un sistema di triage che ha l’obiettivo di individuare gli esami mammografici negativi, riducendo al minimo il rischio di escludere dalla seconda lettura casi che richiedono invece ulteriori accertamenti.
Nella configurazione che prevede l’impiego dell’Intelligenza Artificiale a supporto dei radiologi, lo studio ha inoltre rilevato una riduzione di circa il 75% del carico di lavoro del secondo lettore. I risultati, ottenuti nelle condizioni descritte dai ricercatori, indicano le potenzialità dell’Intelligenza Artificiale nel rendere più efficienti i programmi di screening mammografico, mantenendo un’elevata sensibilità e preservando il ruolo dei radiologi nella valutazione clinica.
Una ricerca che integra competenze tecnologiche e cliniche
Lo studio è il risultato di una collaborazione multidisciplinare tra i ricercatori di Health Triage e professionisti di importanti realtà cliniche e accademiche italiane: l’Istituto Nazionale Oncologico Candiolo IRCCS, il Dipartimento di Oncologia dell’Università di Torino e la Breast Unit dell’Ospedale Pederzoli di Peschiera del Garda. La presentazione a MEDICON 2026 e la successiva pubblicazione negli atti scientifici del congresso rappresentano un’importante occasione di condivisione dei risultati con la comunità internazionale dell’ingegneria biomedica.
Per Health Triage, la ricerca si inserisce nel percorso di sviluppo di tecnologie di Intelligenza Artificiale applicate alla prevenzione e alla diagnostica oncologica, con particolare attenzione alla validazione scientifica e alla possibilità di integrare questi strumenti nei processi clinici.