Intelligenza artificiale e risonanze magnetiche: così si diagnostica il tumore cerebrale / Artificial intelligence and magnetic resonance: this is how brain tumor is diagnosed

Segnalato dal Dott. Giuseppe Cotellessa / Reported by Dr. Giuseppe Cotellessa

Un modello di rete neurale, già testato con successo sui cani, e ora applicato all’essere umano, predice la gravità del meningioma prima dell’esame istopatologico

L’intelligenza artificiale si mette ancora una volta – e in modo sempre più promettente – al servizio della medicina. O, più precisamente, della diagnostica oncologica: è stato appena pubblicato sul Journal of Magnetic Resonance Imaging, prestigiosa rivista scientifica di cardiologia, un articolofrutto della collaborazione tra il Dipartimento di Medicina Animale, Produzioni e Salutedell’Università di Padova (Maps), il reparto di Neuroradiologia e il reparto di Neurochirurgiadell’Azienda Ospedaliera di Padova: i dati preliminari del paper dimostrano la possibilità di valutare il grado istologico dei meningiomi intracranici umani – un tipo di tumore cerebrale – tramite una rete neuronale artificiale applicata direttamente alle immagini diagnostiche di risonanza magnetica, anticipando di fatto i risultati dell’esame istopatologico derivante da biopsia o da resezione chirurgica.

Intelligenza artificiale made in Italy

Il team di ricercatori e specialisti – tutto padovano – ha testato una tecnica innovativa, basata su rete neurale, su pazienti con diagnosi radiologica (tramite Risonanza Magnetica) di meningioma e successiva conferma istopatologica (a seguito dell’asportazione chirurgica dello stesso). Il risultato è stato il riconoscimento del grado di malignità della neoplasia, in ben 109 casi su 117, a partire direttamente dalle immagini diagnostiche. Lo studio non nasce per caso; già vincitore di un progetto STARS@unipd 2018, rappresenta il punto di arrivo di una ricerca triennale eseguita su diversi tipi di tumori cerebrali di cani sottoposti a indagini diagnostiche e procedure chirurgiche sia all’Ospedale Veterinario del Dipartimento di Medicina Animale, Produzioni e Salute dell’Università di Padova che in altri importanti ospedali veterinari privati, nazionali ed esteri.

“Dopo aver sviluppato algoritmi di rete neurale nel paziente-cane sia per la determinazione di malignità (grading) dei meningiomi, sia per il riconoscimento dei gliomi”, dice Tommaso Banzato, principal investigator del progetto MenTex e ricercatore in clinica medica veterinaria al Maps, “ed averne verificato l’effettivo livello di accuratezza diagnostica, abbiamo cercato di ‘allenare’ un algoritmo del tutto simile per l’analisi del meningioma umano”. Riuscendoci con successo.

Meningioma, cos’è e come si diagnostica

Il meningioma è la neoplasia intracranica più frequente sia nel cane che nell’essere umano (rappresenta rispettivamente circa il 50% ed il 35% delle neoplasie primarie intracraniche); sono inoltre identici, per le due specie, anche come classificazione di malignità, suddivisi in benigni, atipici e maligni. “L’esperienza che abbiamo maturato con gli studi di risonanza magnetica sul cane, unica per metodologia, caratteristiche e numerosità”, prosegue Banzato “l’abbiamo voluta condividere con i colleghi dell’Azienda Ospedaliera. Questo ha aperto a entrambe le équipe nuovi scenari da cui stanno emergendo ulteriori interessanti sviluppi”. E ancora: “A tutt’oggi la certezza assoluta di determinare il grado di malignità della neoplasia, da cui dipende l’applicazione del più idoneo protocollo terapeutico”, sottolinea Francesco Causin, direttore del reparto di Neuroradiologia dell’Azienda Ospedaliera di Padova, “è demandata alla valutazione istopatologica post-asportazione chirurgica. L’accuratezza di questo modello preliminare è un’evidente dimostrazione che, in un futuro non così lontano, nuove metodologie basate sull’intelligenza artificiale potranno non solo supportare il radiologo nel proprio processo decisionale verso la diagnosi finale, ma anche guidare scelte terapeutiche mediche, chirurgiche e mininvasive. L’intelligenza artificiale renderà disponibili ai radiologi nuovi dati e più sofisticati criteri diagnostici che vanno oltre all’analisi del rapporto tra clinica e morfologia di una lesione, affiancandosi alle già utilizzate tecniche di analisi ultrastrutturale, metabolica e molecolare. La possibilità infatti di ipotizzare con probabilità elevata a priori, ovvero in sede di diagnosi radiologica, il grado di malignità della lesione neoplastica consentirebbe di creare contestualmente un protocollo terapeutico ad hoc, specifico per ogni paziente, che si integra al reperto istopatologico e genetico/recettoriale e fornisce indicazioni dirette al chirurgo su cosa potrebbe aspettarsi nel campo operatorio”.

Intelligenza artificiale e diagnostica, un connubio sempre più vincente

L’applicazione delle reti neurali alla diagnostica per immagini sta diventando, a tutt’oggi, uno degli interessi centrali per la comunità scientifica internazionale. Sempre nella linea di classificazione mediante risonanza magnetica dei tumori cerebrali sono recentemente stati pubblicati, per esempio, studi preliminari focalizzati sui gliomi (un altro tipo di tumore cerebrale), mentre quello di questi giorni è il primo riscontro sperimentale internazionale sul meningioma. In tutti i casi, prima di validare definitivamente le nuove metodiche, sarà necessario “allenare” il relativo algoritmo di rete neurale su casistiche multicentriche più numerose, onde valutare l’ulteriore accuratezza dello stesso su campioni di popolazione variabili e più significativi.

ENGLISH

A neural network model, already successfully tested on dogs, and now applied to humans, predicts the severity of meningioma before histopathology

Artificial intelligence is once again - and increasingly promisingly - at the service of medicine. Or, more precisely, of oncology diagnostics: an article was recently published in the Journal of Magnetic Resonance Imaging, a prestigious scientific journal of cardiology, about the collaboration between the Department of Animal Medicine, Productions and Saluted at the University of Padua (Maps), the department of Neuroradiology and the Department of Neurosurgery of the Hospital of Padua: the preliminary data of the paper demonstrate the possibility of evaluating the histological grade of human intracranial meningiomas - a type of brain tumor - through an artificial neuronal network applied directly to magnetic resonance diagnostic images , anticipating the results of the histopathological examination deriving from biopsy or surgical resection.

Artificial intelligence made in Italy

The team of researchers and specialists - all from Padua - tested an innovative technique, based on a neural network, on patients with radiological diagnosis (using Magnetic Resonance) of meningioma and subsequent histopathological confirmation (following surgical removal of the same). The result was the recognition of the degree of malignancy of the neoplasm, in as many as 109 cases out of 117, starting directly from the diagnostic images. The study is not born by chance; already winner of a STARS @ unipd 2018 project, it represents the arrival point of a three-year research carried out on different types of brain tumors of dogs subjected to diagnostic investigations and surgical procedures both at the Veterinary Hospital of the Department of Animal Medicine, Productions and Health of the 'University of Padua than in other important private, national and foreign veterinary hospitals.

"After developing neural network algorithms in the dog patient both for the determination of malignancy (grading) of meningiomas, and for the recognition of gliomas", says Tommaso Banzato, principal investigator of the MenTex project and researcher in the veterinary medical clinic at Maps, "And having verified the actual level of diagnostic accuracy, we tried to 'train' an entirely similar algorithm for the analysis of human meningioma". Succeeding successfully.

Meningioma, what it is and how it is diagnosed

Meningioma is the most frequent intracranial neoplasm in both dogs and humans (it represents approximately 50% and 35% respectively of primary intracranial neoplasms); they are also identical, for the two species, also as a classification of malignancy, subdivided into benign, atypical and malignant. "The experience we have gained with magnetic resonance studies on the dog, unique in terms of methodology, characteristics and numbers," continues Banzato, "we wanted to share it with colleagues from the hospital. This has opened up new scenarios for both teams, from which further interesting developments are emerging ". And again: "To date the absolute certainty of determining the degree of malignancy of the neoplasm, on which the application of the most appropriate therapeutic protocol depends", stresses Francesco Causin, director of the Department of Neuroradiology of the Hospital of Padua, " it is assigned to the post-surgical removal of histopathology. The accuracy of this preliminary model is a clear demonstration that, in the not so distant future, new methodologies based on artificial intelligence may not only support the radiologist in his decision-making process towards the final diagnosis, but also guide medical therapeutic choices, surgical and minimally invasive. Artificial intelligence will make new data and more sophisticated diagnostic criteria available to radiologists, which go beyond the analysis of the relationship between clinical and morphology of a lesion, alongside the already used techniques of ultrastructural, metabolic and molecular analysis. In fact, the possibility of hypothesizing with high probability a priori, or rather in the radiological diagnosis, the degree of malignancy of the neoplastic lesion would allow the creation of an ad hoc therapeutic protocol, specific for each patient, which integrates with the histopathological and genetic / receptorial finding and provides direct instructions to the surgeon on what to expect in the surgical field ".

Artificial intelligence and diagnostics, an increasingly winning combination

The application of neural networks to diagnostic imaging is becoming, to this day, one of the central interests for the international scientific community. Always in the line of classification by magnetic resonance of brain tumors have recently been published, for example, preliminary studies focused on gliomas (another type of brain tumor), while those of these days is the first international experimental evidence on meningioma. In all cases, before definitively validating the new methods, it will be necessary to "train" the relative neural network algorithm on more numerous multicentric series, in order to evaluate the further accuracy of the same on variable and more significant population samples.

Da:

https://www.galileonet.it/intelligenza-artificiale-risonanze-magnetiche-tumore-cerebrale/