Un team di ricercatori del Massachusetts Institute of Technology ha sviluppato un nuovo modello interpretabile per predire il rischio di cancro al seno 𝐧𝐞𝐢 𝐩𝐫𝐨𝐬𝐬𝐢𝐦𝐢 𝐜𝐢𝐧𝐪𝐮𝐞 𝐚𝐧𝐧𝐢 𝐮𝐭𝐢𝐥𝐢𝐳𝐳𝐚𝐧𝐝𝐨 𝐥𝐞 𝐦𝐚𝐦𝐦𝐨𝐠𝐫𝐚𝐟𝐢𝐞. Questo studio, pubblicato su Radiological Society of North America (RSNA), rappresenta un esempio di come l’intelligenza artificiale ed il machine learning possano avere applicazioni vaste, sorprendenti e fondamentali per le persone.

🤖 Il metodo
Il team, in particolare, ha basato il metodo su 𝐌𝐢𝐫𝐚𝐢, un avanzato modello di 𝒅𝒆𝒆𝒑 𝒍𝒆𝒂𝒓𝒏𝒊𝒏𝒈 efficace nella previsione del cancro al seno, ma di difficile interpretazione. Il nuovo modello, 𝑨𝒔𝒚𝒎𝑴𝒊𝒓𝒂𝒊, già utilizzato per l’individuazione del cancro ma non per la previsione, è basato sul concetto di dissimilarità bilaterale locale, che analizza le differenze tra il tessuto del seno sinistro e destro per predire il cancro al seno da uno a cinque anni prima che si manifesti.

👉 Questo approccio ha semplificato il processo decisionale, rendendolo più trasparente e interpretabile, garantendo maggiore supporto al personale sanitario e sottolineando l’importanza clinica dell’asimmetria mammaria come 𝒇𝒖𝒕𝒖𝒓𝒐 𝒎𝒂𝒓𝒌𝒆𝒓 𝒅𝒊 𝒊𝒎𝒂𝒈𝒊𝒏𝒈 per il rischio di cancro al seno.

📊 Risultati della Ricerca
Lo studio ha confrontato 𝟐𝟏𝟎.𝟎𝟔𝟕 𝐦𝐚𝐦𝐦𝐨𝐠𝐫𝐚𝐟𝐢𝐞 𝐝𝐢 𝟖𝟏.𝟖𝟐𝟒 𝐩𝐚𝐳𝐢𝐞𝐧𝐭𝐢 utilizzando entrambi i modelli, Mirai e AsymMirai. I risultati hanno mostrato che AsymMirai ha prestazioni quasi pari a quelle di Mirai nella predizione del rischio di cancro al seno da 1 a 5 anni, con l’enorme vantaggio di interpretabilità dei risultati

🏥 Implicazioni Cliniche
Grazie alla sua facilità di comprensione, AsymMirai potrebbe diventare un prezioso supporto per i radiologi nelle diagnosi e nelle predizioni del rischio di cancro al seno. Il modello può infatti prevedere se una donna svilupperà il cancro nei prossimi 1-5 anni basandosi esclusivamente sulle differenze localizzate tra i suoi tessuti mammari, con sorprendente accuratezza.

🌐 Prospettive Future
Questo sviluppo potrebbe influenzare la frequenza delle mammografie, portando a un’ulteriore personalizzazione della prevenzione e della cura del cancro al seno.