Uno studio pubblicato su European Radiology nel 2025 conferma il potenziale del deep learning nella rilevazione e segmentazione autonoma dei noduli polmonari, aprendo interessanti prospettive per la diagnosi precoce del carcinoma polmonare. Il lavoro, condotto da un gruppo di ricercatori cinesi, presenta una revisione sistematica dei principali studi che hanno applicato tecniche di IA alla diagnostica per immagini toracica. L’obiettivo era confrontare i diversi metodi di rilevazione e segmentazione dei noduli, al fine di colmare le lacune metodologiche e i bias presenti nella letteratura attuale.
Dopo un’accurata selezione, sono stati inclusi nove studi pubblicati tra il 2019 e il 2023. I risultati confermano che il deep learning può migliorare la precisione nell’identificazione e nella delimitazione dei noduli polmonari. Tuttavia, emergono criticità legate alla variabilità dei protocolli, all’assenza di validazione esterna e alla scarsa trasparenza dei dati e dei codici utilizzati. Tutti fattori che limitano l’applicabilità clinica dei modelli sviluppati. Gli autori, quindi, sottolineano l’importanza di standardizzare i processi di elaborazione delle immagini, promuovere la condivisione di dataset e metodologie e garantire un bilanciamento tra complessità ed efficienza dei modelli di deep learning.
Dunque, lo studio evidenzia come il deep learning rappresenti una promettente risorsa a supporto della diagnosi del carcinoma polmonare. Perché possa realmente entrare nella routine clinica, sarà però necessario affrontare le attuali carenze metodologiche e ridurre la variabilità dei risultati, migliorando così l’affidabilità e l’utilità clinica di queste tecnologie emergenti
Fonte: European radiology 2025
https://link.springer.com/article/10.1007/s00330-024-10907-0
