Reti neurali profonde per rilevare il melanoma


Condividi:

Condividi su facebook
Condividi su twitter
Condividi su linkedin
Condividi su whatsapp
Condividi su telegram

Le reti neurali possono rilevare il melanoma?

Ciao e bentornato su questa mini-serie di articoli dove spiego come l’Intelligenza Artificiale possa essere utilizzata in ambito medico.

Dopo averti spiegato come il Machine Learning possa predire lo sviluppo del COVID-19 e come un gruppo di ricercatori del MIT abbia sviluppato un modello di predizione del cancro al seno il MIT colpisce ancora in ambito medico.

Infatti, alcuni ricercatori del MIT hanno ideato un nuovo modello di rilevamento del melanoma, utilizzando reti neurali convoluzionali profonde (Deep Convolutional Neural Network o DCNN).

Lo studio ed i relativi risultati sono stati pubblicati in questo articolo che cerco di riassumerti in queste righe.

Vediamolo assieme!

Il problema

Il melanoma è un tipo di tumore maligno responsabile di oltre il 70% di tutti i decessi correlati al cancro della pelle in tutto il mondo.

Per anni, i medici si sono affidati all’ispezione visiva per identificare lesioni pigmentate sospette o Suspicious Pigmented Lesions (SPL), che possono essere un’indicazione di cancro della pelle.

Questo comporta elevati tempi di rilevamento di queste lesioni, dovuto anche al loro elevato numero sulla pelle del paziente.

Inoltre, molte volte l’ispezione visiva del medico non è sufficiente ed occorre spesso un’ulteriore valutazione tramite biopsia.

Per tale motivo, i ricercatori del MIT hanno sviluppato un modello di rilevamento tramite DCNN.

Reti neurali profonde: cosa sono?

I DCNN sono reti neurali che possono essere utilizzate per classificare (o “nominare”) le immagini per poi raggrupparle (come quando si esegue una ricerca di foto).

Questi algoritmi di apprendimento automatico appartengono al sottoinsieme del Deep Learning.

In questo caso, le immagini vengono prese utilizzando una semplice fotocamera dello smartphone.

Il medico effettua una foto di una vasta area del corpo del paziente dove sono presenti possibili SPL.

Il programma utilizzerà i DCNN per identificare e controllare in modo rapido ed efficace il melanoma in stadio iniziale.

Il modello basato su reti neurali in azione

Come funziona effettivamente il modello di rilevamento?

Per prima cosa, il medico effettua una foto di un’area interessata da possibili SPL.


Un sistema automatizzato rileva, estrae e analizza tutte le lesioni cutanee pigmentate osservabili nell’immagine.

Una rete neurale convoluzionale profonda (DCNN) pre-addestrata determina la sospettosità delle singole lesioni pigmentate e le contrassegna in questo modo:

  • giallo = considerare eventuale ulteriore ispezione
  • rosso = richiede un’ulteriore ispezione o rinvio al dermatologo

Le caratteristiche estratte vengono utilizzate per valutare ulteriormente le lesioni pigmentate e per visualizzare i risultati in una mappa che indica le zone più a rischio.

Utilizzando l’intelligenza artificiale, i ricercatori hanno addestrato il sistema utilizzando 20.388 immagini ad ampio campo di 133 pazienti dell’ospedale Gregorio Marañón di Madrid, oltre a immagini disponibili al pubblico.

Le immagini sono state scattate con un fotocamere di smartphone commerciali.

I dermatologi che lavorano con i ricercatori hanno classificato visivamente le lesioni nelle immagini per il confronto.

I ricercatori hanno scoperto che il sistema ha raggiunto una sensibilità superiore al 90,3% nel distinguere gli SPL da lesioni non sospette, pelle e sfondi complessi, evitando la necessità di imaging di lesioni individuali ingombrante e dispendioso in termini di tempo.

Conclusioni

Anche questo articolo ti mostra come il Deep Learning ed in particolare le reti neurali profonde possano essere utilizzate in ambito medico.

In un prossimo articolo cercherò di parlarti un po’ meglio di cosa sono le reti neurali e farit qualche sempio pratico.

Condividi su facebook
Condividi su twitter
Condividi su linkedin
Condividi su whatsapp
Condividi su telegram
Fabio Bernardini

Fabio Bernardini

Sono laureato in Ingegneria delle Telecomunicazioni e adesso lavoro come dottorando al Dipartimento di Ingegneria dell’Informazione a Pisa. Mi occupo di progettare sistemi di localizzazione in tempo reale in ambienti indoor o outdoor in ambito Internet of Things per l’Artificial Intelligence e il Data Science. Sono in costante contatto con persone che come me credono che l’Internet of Things sia la base per la rivoluzione digitale del nostro Paese. Per tale motivo creo contenuti su questo ambito e mi aggiorno continuamente.

Iscriviti
Notificami
guest
0 Commenti
Inline Feedback
Vedi tutti i commenti
Neuragate