Negli ultimi anni, l’applicazione dell’Intelligenza Artificiale (IA) nell’analisi delle immagini mediche ha suscitato un’attenzione crescente negli studi clinici sui tumori ginecologici. Un’equipe di ricercatori ha effettuato una revisione sistematica con lo scopo di presentare lo sviluppo e le prospettive delle applicazioni di IA come supporto nel trattamento dell’oncologia ginecologica. È stato esplorato il database Web of Science alla ricerca di lavori pubblicati sull’argomento fino ad agosto 2023. Alla fine, gli esperti hanno selezionato 133 articoli, 114 sul tumore della cervice uterina, 10 sul tumore dell’endometrio e 9 sul tumore ovarico. Tra gli studi inclusi, le aree principali di interesse sono prognosi (33%), la previsione della risposta al trattamento (18%), degli eventi avversi (10%), della distribuzione della dose (4%) e la delineazione del volume target (35%).
La delineazione del volume target e la previsione della dose sono state eseguite prevalentemente con metodi di deep learning. Nei tumori cervicali ed endometriali, la previsione del target include principalmente la risposta al trattamento, la sopravvivenza globale, la recidiva, la tossicità durante la radioterapia, le metastasi linfonodali e la distribuzione della dose. Per il tumore ovarico, la previsione del target include la sensibilità al platino e le complicanze postoperatorie.
Per la previsione di risposta al trattamento, prognosi ed eventi avversi, la maggior parte degli studi (70%) ha utilizzato metodi di radiomica convenzionale. La maggior parte degli studi sono monocentrici (76%), retrospettivi (94%) e su piccola scala (95%) (meno di 500 casi). Gli Autori concludono che l’applicazione dell’IA nell’assistenza al trattamento in oncologia ginecologica rimane limitata. Sebbene i risultati dell’IA nella previsione della risposta, della prognosi, degli eventi avversi e della distribuzione della dose siano superiori, è evidente che non esiste una validazione di dati sostanziali eseguita da più centri per questi compiti.
Fonte: Vis Comput Ind Biomed Art. 2025
https://vciba.springeropen.com/articles/10.1186/s42492-025-00201-1
