Uno studio su oltre mezzo milione di donne negli Stati Uniti conferma che l’intelligenza artificiale, applicata alla tomosintesi (mammografia 3D), migliora la rilevazione dei tumori senza aumentare i falsi positivi. I risultati rafforzano una premessa chiave: per rendere lo screening più efficace, non basta “vedere di più”, ma vedere meglio. In questa logica si inserisce l’approccio operativo di Health Triage, focalizzato sull’identificazione sicura dei casi negativi.
Nel novembre 2025, Nature Health ha pubblicato i risultati dello studio ASSURE, uno dei più ampi mai condotti negli Stati Uniti sull’impiego dell’intelligenza artificiale nello screening del tumore al seno, tramite tomosintesi digitale (mammografia 3D). Lo studio ha coinvolto oltre 579.000 donne e ha mostrato un incremento del 21,6% nel tasso di rilevazione dei tumori rispetto ai metodi tradizionali (privi di AI), senza aumento nei richiami o nei falsi positivi.
L’AI, integrata nel flusso di lavoro clinico come supporto al singolo lettore, ha migliorato sensibilità e accuratezza, in particolare nelle pazienti con seno denso.
Questi dati confermano il potenziale clinico delle soluzioni di AI nella diagnostica per immagini. Tuttavia, mentre lo studio ASSURE dimostra che l’AI può rafforzare la qualità diagnostica nei casi complessi, utilizzando la tomosintesi come modalità di screening e l’AI come supporto decisionale per il lettore umano, Health Triage adotta un approccio complementare: individuare in sicurezza i casi negativi, riducendo il numero di esami da sottoporre a doppia lettura e liberando tempo, attenzione e risorse cliniche proprio per quei pochi casi in cui il tumore è presente.
Cosa significa per la prevenzione oncologica
I risultati dello studio ASSURE aprono nuove prospettive per la medicina preventiva:
- dimostrano l’efficacia dell’AI integrata nella tomosintesi, anche su larga scala e nella routine clinica, oltre che negli studi accademici;
- permettono l’adozione di modelli di screening più efficaci, soprattutto nelle pazienti con seno denso.
In parallelo, il modello di Health Triage si concentra su un’altra leva strategica: ridurre il carico di lavoro per i radiologi attraverso l’identificazione automatica dei casi negativi, che rappresentano più del 99% della popolazione “screenata”.
Questa differenza di approccio non è in contrasto, ma è complementare: da un lato l’AI per migliorare l’identificazione del tumore più difficile da rilevare, dall’altro l’AI per alleggerire in sicurezza il sistema, permettendo al personale clinico di concentrarsi sui casi ad alta priorità.
Il punto di vista di Health Triage
- classificare automaticamente le mammografie negative e da sottoporre a doppia lettura;
- ridurre in modo sicuro e verificabile il carico di lavoro nei casi negativi;
- mantenere valori predittivi negativi prossimi al 100%, minimizzando i falsi negativi.
Si tratta di un’innovazione radicale nella sua semplicità: non un sistema che impone nuovi protocolli, ma una tecnologia intelligente che si integra nei flussi esistenti e li rende più efficienti, sostenibili e precisi.