Come l’intelligenza artificiale potrà cambiare l’imaging cardiovascolare? Una sessione moderata dal Past President ANMCO Domenico Gabrielli e il Professor Antonio Esposito. Una sessione di cardio-radiologia tenuta in collaborazione con la SIRM ha visto alternarsi cardiologi e radiologi esperti di imaging cardiovascolare per spiegarci il complesso mondo delle intelligenze artificiali.
Apre i lavori il Dottor Massimo Imazio partendo dalla definizione di intelligenza come la capacità di utilizzare la memoria, la conoscenza, l’esperienza, il ragionamento e l’immaginazione per risolvere un problema. L’intelligenza artificiale è la scienza che rende possibile l’utilizzo delle macchine come device per analizzare dati in maniera veloce con un computer che riproduca l’intelligenza umana.
Tutti i relatori Massimo Imazio, Carlo Liguori, Giancarlo Casolo e Marco Francone poi hanno enunciato i concetti fondamentali di: Machine learning, ovvero l’uso di macchine per allenarsi che necessita ancora della componente umana ed il deep learning che è la capacità delle macchine di auto apprendimento che utilizza network neurali e non ha bisogno dell’uomo.
L’intelligenza artificiale è stata sviluppata già negli anni ‘50, negli anni ‘80 si è sviluppato il machine learning, e dal 2010 si sono sviluppati i network neuronali del deep learning.
I relatori sono entrati poi nel vivo della descrizione dell’applicazione della IA (Intelligenza Artificiale) nell’ambito dell’imaging cardiovascolare.
In ambito di imaging l’intelligenza artificiale è stata sviluppata un po’ in tutti i settori e può essere utilizzata nell’acquisizione delle immagini, nella ricostruzione, nella segmentazione e analisi quantitativa e nella radiomica, infine può aiutare anche della diagnosi e nella definizione della prognosi di una patologia.
In uno dei primi utilizzi la IA può migliorare l’appropriatezza degli esami, ad esempio in base alle alterazioni dell’ECG stabilire quale paziente necessita di un ecocardiogramma.
La IA riduce le radiazioni negli esami quali la scintigrafia miocardica e le tecniche con uso di mezzo di contrasto TAC e RMN, aiuta l’operatore a fare delle misure sottraendolo ad un lavoro ripetitivo, risparmiando tempo.
La IA è già operativa nell’ambito cardiovascolare con l’acquisizione di immagini TAC e RMN riducendo il rumore, avendo la capacità di convertire le acquisizioni in immagini di alta qualità; non possono essere create false immagini perché la IA non lavora su modelli anatomici, ma esegue analisi voxel per voxel, permettendo un’acquisizione con bassa dose radiante (0.8 mSievert). Aumenta la capacità diagnostica su lesioni calcifiche e sugli stent, si può ottenere anche una definizione delle coronarie con RMN.
IA aumenta la velocità di acquisizione riducendo i tempi di esecuzione dell’esame anche nel calcolo del calcium score fattore predittore indipendente di MACE e nel calcolo della TC-FFR. Software di segmentazione e calcolo in RMN cardiaca sono già utilizzati per i calcoli quantitativi e anche nel campo della CT-FFR e nella SPECT.
La sfida del futuro è la radiomica, che è la possibilità di estrarre delle immagini qualitative invisibili all’occhio umano ed espressione di processi patologici, come individuare la scar nella RMN senza somministrare mezzo di contrasto ed analizzare la qualità della placca coronarica alla TAC coronarica. Sarà il traguardo definitivo della IA nell’imaging cardiaco.
Sicuramente vi è un utilizzo crescente della IA per migliorare la ricostruzione delle immagini, le applicazioni TC sono quelle più testate e avranno un vantaggio in termini di risparmio di tempo e risorse.
Nelle frontiere attuali la IA viene usata anche per predire il rischio cardiovascolare; sono stati presentati i dati di recenti lavori sull’analisi dei vasi della retina (fluoroscopia) e sull’analisi di dati del volto (foto) e come alcuni parametri analizzati possano predire il rischio di malattia cardiovascolare.
Ovviamente l’IA non sostituirà l’uomo, poiché la qualità dei dati deve essere supervisionata. I limiti della IA sono: il rischio dei bias legati ai dati inseriti; i costi di gestione di un sistema complesso con personale adeguato; offre degli strumenti per giungere alla diagnosi ma che va comunque spiegata dall’operatore; il rischio della responsabilità legale delle decisioni cliniche. Inoltre, gli algoritmi necessitano di un aggiornamento costante in base alla evoluzione delle conoscenze, non ultime la privacy, la sicurezza dei dati, la proprietà dei dati, il consenso informato, la gestione di immagini molto pesanti, la problematica della riproducibilità, le malattie rare con bassa frequenza e la certificazione delle IA (le società scientifiche si stanno muovendo in tal senso).
L’IA pervade già la nostra ricerca e si fa spazio sulle riviste, toglie al medico delle attività ripetitive con software nell’imaging cardiaco ed è già realtà nel post processing migliorando la riproducibilità, riducendo tempi ed esposizione a radiazioni, con attenzione però ai rischi di bias delle IA e la necessità di una buona supervisione per evitare errori che poi possano essere moltiplicati in maniera esponenziale.
Forse la realtà migliore sarà quella di Intelligenza ibrida, che riesca a combinare l’intelligenza umana con quella artificiale, per aumentare la sicurezza e la affidabilità di una IA, ottimizzando i tempi e permettendo la gestione di grandi numeri di dati.
