• Home  /
  • Senza categoria   /
  • CheXNet: l’algoritmo che individua la polmonite meglio di un radiologo

CheXNet: l’algoritmo che individua la polmonite meglio di un radiologo

Un gruppo di ricercatori dell’Università di Stanford ha sviluppato un algoritmo che può individuare la polmonite da una radiografia al torace con un livello di affidabilità più elevato di quello di un radiologo.

 

L’rx al torace è attualmente il metodo più accurato per diagnosticare una polmonite, giocando un ruolo chiave nelle cure cliniche e negli studi epidemiologici. La polmonite è responsabile per più di 1 milione di ricoveri e 50 mila morti ogni anno solo negli Stati Uniti, mentre in Italia è responsabile ogni anno di oltre 100 mila ricoveri e circa 10 mila morti.

 

Il modello CheXNet sfrutta l’attualissimo processo di Machine Learning (o Apprendimento Automatico), basato su una Rete Neurale Convoluzionale (CNN) con 121 ricorrenze, per ricavare, dall’input di una radiografia, l’output della probabilità che la persona sia affetta da polmonite e una mappa di calore, che evidenzia le aree nella radiografia che indicano l’insorgenza della malattia. La rete è stata istruita inserendo il dataset recentemente rilasciato ChestX-ray14, che contiene 112.120 radiografie toraciche frontali etichettate individualmente con fino a 14 differenti patologie toraciche, tra cui la polmonite. Usando la densità di connessione e una normalizzazione batch.

 

Il dataset ChestX-ray14 rilasciato dallo National Institutes of Health statunitense, contiene 121.120 radiografie frontali di 30.805 pazienti unici, etichettati con 14 differenti label indicanti le diverse patologie toraciche da cui erano affetti i pazienti. Le radiografie con etichetta che indicava la presenza di polmonite erano segnalate come esempi positivi, mentre le radiografie dove non era presente polmonite come esempi negativi, per il compito di diagnosi della polmonite.

 

Prendendo dal dataset un campione di 420 radiografie per effettuare il test, è stato chiesto a 4 radiologi dell’Università di Stanford di individuare le patologie presenti nelle rx toraciche, ogni volta usando gli altri 3 come giudici del parere del radiologo che effettuava il test. Poi, lo stesso test è stato fatto per valutare CheXNet, utilizzando sempre il parere dei radiologi per giudicare l’accuratezza dell’algoritmo.

 

Si è osservato che il modello superava il risultato medio dei radiologi nella diagnosi della polmonite, sia in sensibilità che in specificità. La prima indicava la percentuali di positivi identificati come tali, mentre la seconda indicava la quota di negativi individuati.

 

Con circa 2 miliardi di procedure eseguite ogni anno, le radiografie toraciche sono il più comune strumento di diagnostica per immagini usato nella pratica, essenziale per la valutazione, la diagnosi e il trattamento di patologie come la polmonite. Tuttavia, circa i due terzi della popolazione mondiale non ha accesso agli esami radiologici.
Con l’automazione delle procedure di valutazione delle radiografie, speriamo che questa tecnologia allarghi la diffusione delle cure mediche e l’accesso alla diagnostica per immagini, a parti del mondo dove gli specialisti radiologi scarseggiano.

Leave a comment