(Adnkronos) – Nel corso dell’incontro “L’IA nella diagnostica italiana: dall’adozione all’impatto clinico”, che si è tenuto oggi a Milano durante il 52esimo congresso nazionale della Società Italiana di Radiologia Medica e Interventistica (SIRM), Valeria Panebianco, direttrice del Dipartimento di Scienze Radiologiche, Oncologiche e Anatomopatologiche presso l’Università La Sapienza di Roma, ha evidenziato l’importanza del contributo dell’intelligenza artificiale (IA) nella radiologia diagnostica. Secondo Panebianco, il radiologo, già abituato a sintetizzare immagini confrontando il lavoro del computer con l’analisi umana, beneficia notevolmente della sintesi automatica offerta dai software di IA.
Benefici dell’Intelligenza Artificiale nella Diagnostica per Immagini
I vantaggi derivanti dall’integrazione dell’IA nell’imaging diagnostico sono ormai stati confermati in vari contesti clinici. Panebianco ha specificato che, in oncologia e in particolare nell’area genito-urinaria, l’uso di software direttamente installati nelle risonanze magnetiche migliora significativamente la qualità delle immagini, eliminando artefatti provocati da fattori esterni, come il respiro del paziente o la peristalsi intestinale. Grazie all’intelligenza artificiale, questi problemi vengono risolti automaticamente, consentendo una diagnosi più accurata.
Ottimizzazione dei Tempi e della Formazione Professionale
Un’altra interessante applicazione dell’IA nella diagnostica per immagini è la capacità di selezionare automaticamente i pazienti con tumori. Nei casi in cui il radiologo deve esaminare un gran numero di risonanze magnetiche, questo strumento consente di prioritizzare quelli con patologie più gravi, ottimizzando così il tempo e le risorse. Inoltre, l’utilizzo dell’intelligenza artificiale per analizzare una TC total body, che produce circa 5.000 immagini, ha drasticamente ridotto il tempo necessario per l’analisi, spostando la responsabilità del primo esame dal radiologo alla tecnologia.
Per massimizzare i benefici dell’intelligenza artificiale, è fondamentale un’innovazione del sistema formativo, con la creazione di figure professionali che possiedano competenze ibride in medicina e radiologia, in grado di comprendere appieno il funzionamento dei software di IA. La sfida consiste anche nel trasformare le scuole di specializzazione per includere queste nuove professionalità. L’implementazione di tali sistemi in fase di prevenzione, diagnosi e trattamento potrebbe facilitare, tra le altre cose, la riduzione delle liste d’attesa, grazie a algoritmi in grado di valutare l’urgenza e la tempistica degli esami prescritti dai medici di base.
In conclusione, l’integrazione dell’intelligenza artificiale nella diagnostica per immagini non solo rappresenta una rivoluzione tecnologica, ma offre anche opportunità concrete per migliorare l’efficienza e l’accuratezza delle diagnosi, trasformando il futuro della radiologia e contribuendo a una migliore assistenza ai pazienti.