Notizie
Danza libera e benessere psicologico dopo chirurgia per carcinoma mammario
revisione sistematica e meta-analisi, pubblicata sulla rivista scientifica Breast nel 2026, ha fatto luce su come l’alcol influenzi […]
Uso dell’intelligenza artificiale nello screening del cancro della mammella
Un gruppo di ricercatori ha eseguito una revisione sistematica e una meta-analisi con la finalità di confrontare lo screening mammografico organizzato basato sulla doppia lettura convenzionale con quello supportato dall’intelligenza artificiale (IA). Viene analizzato il tasso di identificazione dei tumori (CDR), il tasso di richiamo e il carico di lavoro dei radiologi. Gli esperti hanno selezionato 13 studi prospettici e retrospettivi (per un totale di 1,03 milioni di screening) pubblicati tra il 2017 e il 2024. Questi studi hanno integrato software di IA, commerciali o di ricerca, in programmi di screening basati su mammografia digitale o tomosintesi. Sono stati inclusi studi con almeno 10.000 screening (o 100 casi di tumore) che hanno riportato dati su CDR, richiami e/o metriche del carico di lavoro. Il team ha calcolato i rapporti di rischio (RR) tra lettura supportata da IA e doppia lettura convenzionale, valutando il sistema nel suo complesso e per singoli modelli di integrazione: IA come secondo lettore indipendente, IA come sistema di triage/gatekeeper e IA come supporto simultaneo (overlay).
Complessivamente, i protocolli supportati dall’IA hanno raggiunto una parità nel tasso di identificazione dei tumori (RR 1,01) e nessuna variazione significativa nei richiami (RR 1,00). I modelli di triage hanno mantenuto invariato il CDR (RR 1,02), riducendo però i richiami dell’11% (RR 0,89) e tagliando le letture iniziali del 44-70%.
I flussi di lavoro con IA come lettore indipendente hanno mantenuto il CDR (RR 0,98), ma hanno mostrato effetti variabili sui richiami (RR 1,12) a seconda delle logiche di arbitrato e delle soglie scelte. Il supporto simultaneo (basato su due studi) ha indicato possibili miglioramenti nella sensibilità (RR 1,31) senza aumentare i richiami, ma con una precisione limitata. Gli Autori concludono che l’integrazione dell’IA può eguagliare le prestazioni della doppia lettura convenzionale, ma il suo impatto sul flusso di lavoro dipende dal modello scelto.
Gli approcci basati sul triage riducono costantemente il carico di lavoro dei radiologi e i richiami senza compromettere la sensibilità, mentre la semplice sostituzione del secondo lettore rischia di spostare lo sforzo lavorativo verso la fase di arbitrato. Le implementazioni future dovrebbero concentrarsi su metriche attente ai flussi di lavoro e sulla validazione prospettica delle soglie di attivazione.
Fonte: Eur J Radiol Open. 2026
https://pubmed.ncbi.nlm.nih.gov/41568077/
