Il dottor Pietro Bianchi con una delle lastre analizzate dall'intelligenza artificiale
Il dottor Pietro Bianchi con una delle lastre analizzate dall'intelligenza artificiale

Massa, 20 maggio 2020 - Scoprire pazienti affetti da polmonite interstiziale da Covid-19 analizzando una radiografia del torace, in tempi rapidi, supportando il ruolo del tampone. E poterlo fare su migliaia di immagini in pochi secondi, sfruttando l’intelligenza artificiale (AI). Un obiettivo ambizioso, nella lotta a SarsCov2, che nasce nella ‘piccola’ Medicina Nucleare di Massa Carrara, un ‘garage’ da Silicon Valley per l’innovazione tecnologica in seno all’Asl Toscana nord ovest. Tutto grazie all’intuizione e alla genialità apuo-versiliese che sta collaborando nell’applicazione dell’intelligenza artificiale all’imaging diagnostico.

All’inizio di marzo l’intuizione: sfruttare le radiografie fatte ai pazienti per ‘indottrinare’ una rete neurale del tipo RetinaNet in grado di riconoscere in queste immagini i primi segni di polmonite virale, con una precisione anche del 97%. Uno studio che ha appena ottenuto il via libera dalla direzione Usl dopo l’ok del Comitato etico dell’azienda sanitaria: sperimentatore principale il dottor Pietro Bianchi, in team con il primario Pietro Bertolaccini, il dottor Ferdinando Buffoni e il fisico dell’Istituto nazionale di fisica nucleare all’Università di Pisa, Roberto Cappuccio, supportato dai fisici Elena Lorenzini e Martina Ugolini di Genova, e in collaborazione con la radiologia diretta da Sandro Sironi dell’Ospedale Papa Giovanni XXIII di Bergamo.

Roberto Cappuccio, Pietro Bianchi e Pietro Bertolaccini

«L’idea è nata all’inizio della pandemia – spiega Bianchi -, parlando con alcuni colleghi che lavorano a Bergamo. Arrivavano fino a 70 pazienti a notte e fare le Tac per individuare l’interessamento polmonare da Covid19 richiedeva troppo tempo. Avevano iniziato a basarsi sulle lastre al torace, più rapide ma meno dettagliate. Ho contattato il dottor Cappuccio, con il quale avevamo lavorato su un altro progetto di AI applicata alla medicina nucleare, in particolare al Parkinson, per capire se fosse possibile utilizzare lo stesso sistema per migliorare la sensibilità degli esami RX nella Covid-19». Lì scocca la scintilla: «Si può fare», la risposta di Cappuccio, senza esitare.

«Abbiamo preso contatto con la radiologia dell’ospedale di Bergamo. Ci hanno inviato 200 lastre di pazienti Covid-19». Altre 100 arriveranno direttamente dal Noa. Serviranno a istruire l’intelligenza artificiale a riconoscere gli effetti della malattia: «Il potenziale è enorme – precisa Bertolaccini –. L’AI può riconoscere migliaia di lastre in pochi secondi, con dettagli che sfuggono all’occhio umano. Possono essere fatte anche a domicilio o in fabbrica, in tempo reale, affiancando alle Usca territoriali un tecnico radiologo. Una diagnostica affidabile con alta sensibilità capace di dimostrare nelle fasi inziale della malattia l’interessamento polmonare, aggiungendosi al tampone come mezzo diagnostico rapido e di semplice esecuzione». Non è l’unico studio specifico sull’applicazione dell’intelligenza artificiale per aumentare la sensibilità di esami Rx del torace nell’individuare la presenza di polmonite virale. Ce n’è un altro portato avanti dal Centro Diagnostico Italiano di Milano in una grande partnership nazionale. «Siamo un po’ come Davide contro Golia – concludono Bianchi e Cappuccio –. Siamo piccoli, sì, ma all’avanguardia con una grande esperienza alle spalle nell’ultilizzo dell’intelligenza artificiale nell’imaging diagnostico».

E non è tutto. L’intelligenza artificiale non solo servirà a riconoscere i pazienti contagiati da Covid19 ma anche ad analizzare tutte le Tac del torace effettuate da ottobre a febbraio per capire se il virus fosse già presente sul nostro territorio ben prima che fosse riconosciuto come tale. Questo è il secondo studio approvato dall’Usl e dal comitato etico dell’azienda sanitaria che vede protagonista il team della Medicina nucleare, i dottori Pietro Bertolaccini, Pietro Bianchi, Ferdinando Buffoni con la fondamentale collaborazione dei fisici Roberto Cappuccio ed Elena Lorenzini, il tutto sotto la supervisione del radiologo Matteo Pesenti Barili.

Come funziona nel dettaglio la creazione dell’intelligenza artificiale e la sua applicazione? Lo spiega nel dettaglio Cappuccio: «Si tratta di una rete neurale del tipo RetinaNet, creata dal team Facebook, non di una rete convoluzionale classica. Proprio per questo ha bisogno di un insieme di dati molto maggiore per poter imparare. Soprattutto ha bisogno di immagini ‘annotate’, ossia immagini all’interno delle quali vengono inseriti vari data set per riconoscere tutti i vari elementi distintivi. Combinando tutti i dati a disposizione impara a riconoscere gli effetti di Covid19 come farebbe un medico. Quando è pronta, poi, lo fa con una velocità di elaborazione di almeno mille lastre in pochi secondi e può arrivare a una precisione anche del 97%». E non si stanca mai, ovviamente. Effettua così una bella ‘scrematura’ lasciando poi al medico l’ultima parola. La lastra, che può essere fatta anche a domicilio o in fabbrica, viene mandata al Pacs (Picture archiving and communication system) ospedaliero e analizzata dalla rete neurale. «Applicare l’intelligenza artificiale della rete neurale che stiamo realizzando, per individuare casi Covid19 prima di febbraio, è stata un’idea del responsabile della struttura RisPacs, Riccardo Orsini – conclude Bianchi - e dell’ingegnere Alessandro Iala».