L'intelligenza artificiale migliora l'imaging biomedico


L'intelligenza artificiale migliora l'imaging biomedico

Nuova tecnica di imaging medico per visualizzare i vasi sanguigni, studiare l'attività cerebrale, le lesioni cutanee e per fare diagnosi del cancro al seno.

Gli scienziati dell'ETH di Zurigo e dell'Università di Zurigo hanno utilizzato metodi di apprendimento automatico per migliorare l'imaging optoacustico. Questa recente tecnica di imaging medico può essere utilizzata per applicazioni come la visualizzazione dei vasi sanguigni, lo studio dell'attività cerebrale, la caratterizzazione delle lesioni cutanee e la diagnosi del cancro al seno.

Tuttavia, la qualità delle immagini renderizzate dipende molto dal numero e dalla distribuzione dei sensori utilizzati dal dispositivo: un maggior numero di sensori permette una migliore qualità dell'immagine. Il nuovo approccio, sviluppato dai ricercatori dell'ETH, consente una sostanziale riduzione del numero di sensori senza rinunciare alla qualità dell'immagine risultante. Ciò consente di ridurre i costi del dispositivo, aumentare la velocità di imaging o migliorare la diagnosi.

L'optoacustica (vedi riquadro) è simile per alcuni aspetti all'imaging ecografico. In quest'ultimo caso, una sonda invia onde ultrasoniche nel corpo, che vengono riflesse dal tessuto. I sensori nella sonda rilevano le onde sonore di ritorno e successivamente viene generata un'immagine dell'interno del corpo. Nell'imaging optoacustico, invece, impulsi laser molto corti vengono inviati nel tessuto, dove vengono assorbiti e convertiti in onde ultrasoniche. Analogamente all'ecografia, le onde vengono rilevate e convertite in immagini.

Correzione delle distorsioni dell'immagine

Il team guidato dal dottor Daniel Razansky, (1) professore di imaging biomedico all'ETH di Zurigo e all'Università di Zurigo, ha cercato un modo per migliorare la qualità delle immagini di dispositivi optoacustici a basso costo che possiedono solo un piccolo numero di sensori a ultrasuoni.

Per fare ciò, gli scienziati hanno iniziato utilizzando uno scanner optoacustico di alta gamma auto-sviluppato con 512 sensori, che offriva immagini di qualità superiore. Hanno analizzato queste immagini da una rete neurale artificiale, che è stata in grado di apprendere le caratteristiche delle immagini di alta qualità.

Successivamente, i ricercatori hanno scartato la maggior parte dei sensori, in modo che rimanessero solo 128 o 32 sensori, con un effetto dannoso sulla qualità dell'immagine. A causa della mancanza di dati, nelle immagini sono apparse distorsioni note come artefatti del tipo striature. Si è scoperto, tuttavia, che la rete neurale precedentemente addestrata è stata in grado di correggere ampiamente queste distorsioni, avvicinando così la qualità dell'immagine alle misurazioni ottenute con tutti i 512 sensori.

In optoacustica, la qualità dell'immagine aumenta non solo con il numero di sensori utilizzati, ma anche quando le informazioni vengono acquisite da quante più direzioni possibile: maggiore è il settore in cui i sensori sono disposti attorno all'oggetto, migliore è la qualità. Anche l'algoritmo di apprendimento automatico sviluppato ha avuto successo nel migliorare la qualità delle immagini registrate da un settore strettamente circoscritto. “Ciò è particolarmente importante per le applicazioni cliniche, poiché gli impulsi laser non possono penetrare in tutto il corpo umano, quindi la regione di imaging è normalmente accessibile solo da una direzione”, secondo il dottor Daniel Razansky.

Facilitare il processo decisionale clinico

Gli scienziati sottolineano che il loro approccio non si limita all'imaging optoacustico. Poiché il metodo opera sulle immagini ricostruite, non sui dati grezzi registrati, è applicabile anche ad altre tecniche di imaging. “Puoi fondamentalmente utilizzare la stessa metodologia per produrre immagini di alta qualità da qualsiasi tipo di dato scarso”, afferma Daniel Razansky. Egli spiega che i medici devono spesso affrontare la sfida di interpretare immagini di scarsa qualità dai pazienti. “Mostriamo che tali immagini possono essere migliorate con i metodi di intelligenza artificiale, rendendo più facile ottenere una diagnosi più accurata.”

Per Razansky, questo lavoro di ricerca è un buon esempio di ciò che i metodi esistenti di intelligenza artificiale possono essere utilizzati. “Molte persone pensano che l'IA potrebbe sostituire l'intelligenza umana. Questo è probabilmente esagerato, almeno per la tecnologia di intelligenza artificiale attualmente disponibile”, afferma. “Non può sostituire la creatività umana, ma può liberarci da alcuni compiti laboriosi e ripetitivi.”

Nella loro attuale ricerca, pubblicata su Nature, (2) gli scienziati hanno utilizzato un dispositivo di tomografia optoacustica personalizzato per piccoli animali e hanno addestrato gli algoritmi di apprendimento automatico con immagini di topi. Il prossimo passo sarà applicare il metodo alle immagini optoacustiche di pazienti umani, afferma Razansky.

Rivelando la funzione dei tessuti

A differenza dell'optoacustica (nota anche come fotoacustica), molte tecniche di imaging, come ultrasuoni, raggi X o risonanza magnetica, sono principalmente adatte per visualizzare alterazioni anatomiche nel corpo. Per ricevere ulteriori informazioni funzionali, ad esempio riguardo al flusso sanguigno o ai cambiamenti metabolici, al paziente devono essere somministrati agenti di contrasto o traccianti radioattivi prima dell'imaging. Al contrario, il metodo optoacustico può visualizzare informazioni funzionali e molecolari senza introdurre agenti di contrasto. Un esempio sono i cambiamenti locali nell'ossigenazione dei tessuti, un importante punto di riferimento del cancro che può essere utilizzato per la diagnosi precoce. Il contenuto lipidico nei vasi sanguigni è un altro potenziale marker di malattia, che può aiutare a individuare precocemente le malattie cardiovascolari.

Va notato, tuttavia, che poiché le onde luminose utilizzate nell'imaging optoacustico, a differenza di altre onde, non penetrano completamente nel corpo umano, il metodo è adatto solo per studiare i tessuti ad una profondità di pochi centimetri sotto la pelle.

Riferimenti:

(1) Daniel Razansky

(2) Deep learning optoacoustic tomography with sparse data

Descrizione foto: l'imaging optoacustico è particolarmente efficace nella visualizzazione dei vasi sanguigni. - Credit: ETH Zurich / Daniel Razansky.

Autore traduzione riassuntiva e adattamento linguistico: Edoardo Capuano / Articolo originale: Artificial intelligence improves biomedical imaging