Diagnosi automatizzate del cancro alla pelle: oggi si può, ma serve l’algoritmo
24.01.2022 | Popular Science
Durante la pandemia del COVID-19, si è fatto largo uso della tecnologia nel campo della salute: l’e-health o salute digitale, ha il potenziale di migliorare l’assistenza sanitaria, anche in campo dermatologico. In quest’area, la classificazione delle immagini mediche dermoscopiche e macroscopiche, è notevolmente avanzata negli ultimi anni e ha reso possibile la diagnosi di tumori alla pelle. Datasets di immagini sono sempre più utilizzati per sviluppare algoritmi, attraverso i quali i macchinari analizzano le immagini digitali per effettuare diagnosi automatizzate del cancro alla pelle. È stato dimostrato che l’accuratezza diagnostica è paragonabile, o addirittura superiore, ai dermatologi.
Una revisione sistematica, che ha implicato la ricerca combinata in Medline, Google e Google Dataset, effettuata da scienziati inglesi e pubblicata su “The Lancet Digital Health” nel 2022, ha analizzato 21 datasets e 17 atlanti di immagini in “open access”, resi fruibili gratuitamente al pubblico e ai ricercatori. Considerando le immagini dei datasets, contenenti un totale di 106.950 fotografie di lesioni cutanee (mediana 2298, IQR 429-9232), il carcinoma basocellulare (BCC, basal cell carcinoma) è stato il tumore maligno più rappresentato (6861 immagini), seguito dal melanoma (6802 immagini) e dal carcinoma cutaneo squamocellulare (cSCC, Cutaneous squamous cell carcinoma (873 immagini).
Dalle immagini è emersa una mancanza di dettagli clinici e demografici indispensabili per un corretto funzionamento dell’algoritmo: solo 14 datasets hanno riportato il paese di origine, di cui 11 proveniva esclusivamente da Europa, Nord America e Oceania. Inoltre, la maggior parte dei datasets conteneva solo immagini dermoscopiche o fotografie macroscopiche.
Dall’analisi dei metadati delle singole immagini, le uniche informazioni cliniche disponibili erano l’età (81 662 [76,4%] di 106 950 immagini), il sesso (82 848 [77,5%]) e il sito corporeo (79 561 [74,4%]); mentre solo 1415 immagini (1,3%), disponevano di dati sull’etnia dei pazienti e 2236 immagini (2,1%) dei dati sul tipo di pelle secondo la classificazione Fitzpatrick.
Pertanto, sebbene le immagini digitali rappresentino una grande risorsa per l’innovazione, la mancanza di trasparenza per delle caratteristiche clinicamente essenziali, come l’etnia, limita la loro utilità. E non solo: un algoritmo “sottoperformance” a causa della scarsità dei dati, potrebbe implicare una diagnosi errata con gravi implicazioni per i pazienti con cancro alla pelle, che non solo rischiano di non aver diagnosticato un tumore maligno curabile, ma possono anche suggerire procedure chirurgiche evitabili e causare ansia inutile. Ciò sottolinea l’importanza di fornire maggiori dettagli attraverso la segnalazione di metadati demografici e clinici per garantire la generalizzabilità, la diversità e l’usabilità degli algoritmi per tutte le popolazioni e colmare le disparità dovuta alla povertà dei dati sanitari.
