Sul numero di agosto di Lancet Oncology, Kristina Lång e colleghi riportano una sottoanalisi dello studio MASAI condotta all’interno del programma nazionale svedese che investiga l’uso dell’intelligenza artificiale (IA) come supplemento alla lettura di screening. Le partecipanti (80.000 donne) sono state randomizzate 1:1 o allo screening supportato dall’IA (gruppo di intervento) o alla doppia lettura senza IA (gruppo di controllo). Nel gruppo di intervento l’algoritmo di IA è stato utilizzato come triage, fornendo un livello di rischio di cancro da 1 a 10. Le immagini a cui era stato assegnato un punteggio di rischio da 1 a 9 sono state sottoposte a lettura singola assistita da IA, mentre quelle con un punteggio di 10 sono state sottoposte a lettura doppia assistita da IA. La detection rate per cancro è stata del 6,1 per 1000 nel gruppo di intervento e del 5,1 per 1000 nel gruppo di controllo. Utilizzando le tecniche assistite da IA il carico di lavoro di lettura dei radiologi è stato ridotto del 44,3% nel gruppo di intervento rispetto al controllo.
Commentano Nereo Segnan e Antonio Ponti, autori di un editoriale sullo stesso numero della rivista:
“Sebbene l’esito principale dello studio MASAI (cioè il tasso di cancro di intervallo) non sia ancora stato presentato, i primi risultati sono di grande interesse. Il punteggio di rischio usato per classificare le mammografie nel gruppo di intervento, calcolato con l’algoritmo IA, pare molto accurato. Il valore di questi risultati, se confermati, oltre che risparmiare risorse, sarebbe soprattutto nell’aver identificato un gruppo a basso rischio (score 1-7) che rappresenta il 76,2% della popolazione in studio in cui sono stati diagnosticati il 2,5% dei cancri (6 su 244) in confronto al gruppo ad alto rischio (score 10) con l’85% dei cancri (208 su 244) nel 7,2% della popolazione studiata. In protocolli di screening del carcinoma mammario, stratificati per rischio, il potenziale per modulare i criteri di richiamo e gli intervalli tra gli episodi di screening, per basso e alto rischio, è notevole: sia misurando i tassi di identificazione diagnostica per punteggio di rischio nei test successivi, sia le variazioni tempo dipendenti dello score di rischio per le donne negative al test. Il punteggio di rischio del trial MASAI potrebbe essere adottato in popolazioni regolarmente screenate per studiare i tassi di transizione tra uno score di rischio e l’altro e per definire gli intervalli tra episodi di screening successivi in protocolli di screening personalizzati. Tuttavia, considerando un tasso di identificazione diagnostica più elevato del 20% nel gruppo di intervento, questi extra casi potrebbero essere stati anticipati dalla IA oppure potrebbero, tutti o in parte, essere il risultato di una sovradiagnosi. La possibile presenza di sovradiagnosi, considerando anche la rilevante proporzione di carcinomi duttali in situ (25% nel gruppo di intervento e 19% nel gruppo di controllo) suggerisce di essere cauti nell’interpretazione di risultati che sembrano fortemente supportare l’uso della IA nello screening del cancro mammario. E’ necessario acquisire informazioni sulla storia naturale delle neoplasie mammarie nella popolazione studiata, come il trial MASAI sta facendo per caratterizzare biologicamente i cancri diagnosticati e i cancri di intervallo.”
Le raccomandazioni europee sull’IA sono in fase di aggiornamento e il panel delle linee guida italiane è in attesa della prossima versione per intraprendere il percorso di adolopment che porterà alle raccomandazioni specifiche per il contesto italiano. Nel frattempo, GISMa propone approfondimenti sul tema in occasione del congresso annuale e dei corsi. Invitiamo i soci a contribuire alla call for abstract che sarà pubblicata per il convegno di Trieste 2024 con dati dalle proprie esperienze locali di utilizzo della IA.
