L’ingresso di DeepMind nel team Google Health ufficializzato nei mesi scorsi inizia a dare i frutti sperati. Dalla squadra di Alphabet al lavoro su intelligenza artificiale e machine learning l’annuncio di un progetto destinato all’ambito medico: un algoritmo in grado di affiancare medici e personale specializzato nell’analisi delle immagini ottenute mediante l’esame della mammografia.
L’IA di DeepMind per l’analisi della mammografia
Il progetto messo in campo ha come obiettivo quello di ridurre il numero di falsi positivi e di falsi negativi, incrementando così l’accuratezza dei referti, evitando che le pazienti possano essere sottoposte a trattamenti per cancro al seno o altre patologie che interessano l’organo quando non necessarie. Al tempo stesso, stando ai risultati emersi dai primi test, l’IA sembra in grado di identificare con precisione le porzioni delle radiografie nelle quali potrebbero nascondersi cellule tumorali, anche se difficilmente riconoscibili da un occhio esperto.
DeepMind ha messo alla prova l’algoritmo sulle immagini di pazienti provenienti da USA e UK, ovviamente fornite in forma anonima. Prendendo in considerazione gli Stati Uniti, i falsi positivi sono risultati inferiori del 5,7% e i falsi negativi del 9,4% rispetto a quanto avvenuto sottoponendo gli esiti delle stesse mammografie ai medici. Curiosamente, sono emerse percentuali più basse in relazione al Regno Unito: questo indicherebbe una minore accuratezza nella lettura degli esami oltreoceano.
Come scritto più volte in queste occasioni, lo scopo di simili tecnologie non è quello di rimpiazzare gli specialisti, bensì di fornir loro strumenti utili per incrementare la qualità delle indagini condotte, ottimizzando inoltre i tempi necessari per interpretare gli esami. L’intervento umano in ultima istanza è e sarà comunque sempre essenziale, anche per tener conto dello storico del soggetto, di eventuali terapie già effettuate e di altre variabili non analizzate dall’IA. Gli stessi membri di DeepMind affermano in ogni caso come si tratti di un’iniziativa al momento sperimentale e che ancora necessita di perfezionamenti prima di poter essere impiegata su larga scala.