Il deep learning per la diagnosi del cancro

GoogLeNet è il nome della tecnologia di machine vision sviluppata dal gruppo di Mountain View e dedicata, come si può intuire, all’analisi delle immagini. Un sistema basato sul deep learning impiegato tra le altre cose sulle vetture a guida autonoma per identificare la segnaletica incontrata durante la marcia e tutto ciò che si trova sulla strada. In futuro lo stesso approccio potrà essere applicato anche alla ricerca medica.

Ne parla bigG in un documento intitolato Detecting Cancer Metastases on Gigapixel Pathology Images, firmato dai team Google Brain e Verily. L’idea è quella di ricorrere allo stesso sistema per esaminare le immagini di laboratorio relative a pazienti potenzialmente affetti da un cancro. Si tratta di scansioni dalla risoluzione enorme (spesso superiore ai 10 gigapixel), che richiedono molto tempo e un occhio allenato per poter rilevare anomalie o l’eventuale presenza di metastasi. Un lavoro di grande responsabilità e che potrebbe dare luogo a una lettura errata anche da parte di personale esperto: si pensi ad esempio che gli specialisti concordano la medesima diagnosi solo nel 48% dei casi, pur basandosi sugli stessi dati clinici.

È qui che entra in gioco l’IA di GoogLeNet. Sebbene non sia stata sviluppata appositamente per questo tipo di compito, i risultati forniti dai primi test sono più che incoraggianti: si parla di una precisione dell’89% per quanto riguarda la localizzazione di un tumore e la stima delle sue dimensioni, mentre un medico con tempo illimitato a disposizione arriva in media al 73%. Secondo i responsabili del progetto, apportando ritocchi e perfezionamenti al codice (istruendolo con una grande quantità di informazioni come si usa fare con i sistemi di deep learning) la percentuale potrà essere ulteriormente aumentata.

L’obiettivo, come chiarisce il gruppo californiano, non è affatto quello di rimpiazzare o sostituire gli specialisti, bensì semplificare il loro compito. Agli algoritmi di analisi verrà affidata l’individuazione delle aree in cui potrebbero manifestarsi problemi, lasciando poi la valutazione finale all’occhio umano. Va inoltre sottolineato che, al momento, l’IA genera un numero maggiore di falsi positivi rispetto a quanto accade con il personale. Lo scopo è quello di unire le due competenze: da una parte le smisurate capacità di elaborazione di GoogLeNet, dall’altra l’esperienza dei medici.