Un sistema in grado di distinguere le 26 più comuni malattie della pelle esaminando le foto scattate da uno smartphone, con un’accuratezza simile a quella di un dermatologo
Un neo sospetto, un eritema, una strana macchiolina: le malattie della pelle sono tante e non sempre facili da distinguere per un occhio non esperto. Eppure, complici le lunghe attese per una visita specialistica, ogni anno sono quasi 10 miliardi le ricerche su Google dedicate ai problemi dermatologici. Per aiutare i pazienti, ma anche i medici, Google ha sviluppato un sistema di “deep learning” (DLS) che riconosce le 26 più comuni alterazioni o malattie della pelle usando la fotocamera di uno smartphone. Il sistema, marcato CE dalla Comunità Europea, ha un’accuratezza paragonabile a quella dei dermatologi, e superiore a quella dei medici non specialisti, ed è in grado di eseguire anche diagnosi differenziali tra malattie visivamente simili. Uno studio, pubblicato su Nature Medicine, ha evidenziato le potenzialità del DLS in ambito dermatologico.
LE MALATTIE DELLA PELLE
Le malattie della pelle colpiscono quasi due miliardi di persone in tutto il mondo, in tutte le fasce di età e aree geografiche. Ma a causa della scarsità dei dermatologi, soprattutto nelle zone rurali, e del costo elevato delle visite specialistiche, molte persone trascurano i campanelli d’allarme e rimandano i controlli. In Italia, una persona su quattro ha una malattia della pelle, dato in linea con quello europeo, e secondo il sondaggio la PelleSiCura! svolto online su circa 2000 persone, solo 6 pazienti su 10 vanno regolarmente alle visite di controllo e quasi il 90% vorrebbe comunque indicazioni più precise su diagnosi e terapie.
A fronte di oltre 3000 malattie diverse della pelle, infatti, esiste un solo specialista. In assenza del dermatologo, anche figure non specializzate come i medici di base sono chiamate a formulare diagnosi. Ma si stima che la loro accuratezza sia molto variabile (dal 24 al 70%), con il risultato che diversi pazienti potrebbero avere una diagnosi sbagliata e cure poco efficaci.
Le persone che non possono permettersi una visita specialistica o che magari stanno già seguendo una cura, ma senza benefici, probabilmente cercheranno informazioni e consigli nel mare magnum del web. Ogni anno, 10 miliardi di ricerche effettuate su internet riguardano malattie dermatologiche e come scritto in un post di Google: “L’accesso alla barra di ricerca di Google rappresenta il primo passo per molte persone, ma può essere veramente difficile descrivere ciò che si vede sulla propria pelle solo con le parole”.
LA NUOVA IA DI GOOGLE
Il colosso dei motori di ricerca ha quindi deciso di mettere a punto un sistema di deep learning per aiutare i pazienti, ma anche i medici, a orientarsi tra le migliaia di malattie della pelle. Il sistema riconosce le 26 più comuni malattie dermatologiche – l’80% di tutti i casi – usando la fotocamera di uno smartphone. E lo fa indipendentemente dall’età, il sesso e il colore della pelle del paziente.
La nuova intelligenza artificiale (AI) è l’espressione di un nuovo ambito medico che in tempi di pandemia ha conosciuto una grande espansione: la telemedicina, e più in particolare la teledermatologia. Il paziente spedisce le immagini delle lesioni a uno specialista che fornisce una consulenza da remoto. L’intelligenza artificiale, chiariscono i ricercatori, non sostituisce il medico, ma può aiutarlo a valutare le immagini e a formulare una diagnosi, soprattutto quando non ha la possibilità di visitare il paziente di persona. Molti sistemi di IA, già sviluppati in ambito dermatologico, funzionano solo con immagini ottenute mediante il dermatoscopio, uno strumento diagnostico ad alta risoluzione, e suggeriscono solo una singola ipotesi diagnostica. La IA di Google, invece, usa la fotocamera dello smartphone e può eseguire un procedimento di diagnosi differenziale, ossia proporre varie ipotesi diagnostiche ed escludere quelle che non comprendono per intero l’insieme dei segni e sintomi manifestati dal paziente.
Questa funzione è importante, poiché molte malattie della pelle sono visivamente simili, ma richiedono trattamenti diversi. In questi casi, la scelta della strategia terapeutica dipende dalla capacità del medico di distinguere tra due o più malattie che danno gli stessi sintomi. L’utente, inoltre, può caricare un numero variabile di immagini, anziché una sola come nella maggior parte degli altri sistemi, e fornire a supporto la sua “storia medica”. Il software confronta le foto con il database di immagini di Google – almeno 288 condizioni diverse – e genera in output una lista di tutti i possibili match.
UN SISTEMA DI DEEP LEARNING
Come già anticipato, il sistema si basa sul deep learning, ossia riesce autonomamente a classificare i dati e a strutturarli gerarchicamente, trovando quelli più rilevanti alla risoluzione di un problema – proprio come la mente umana. I ricercatori hanno istruito il software usando in totale quasi 80.000 immagini, identificate e catalogate in base alle opinioni di un gruppo di esperti composto da 14 dermatologi che hanno esaminato i casi in maniera indipendente. L’accuratezza è stata pari a 0,71 – dove il massimo è 1 – considerando solo la prima diagnosi ("top 1 accuracy"), ma è salita a 0,93 considerando le prime tre diagnosi ("top 3 accuracy") della lista.
I ricercatori hanno quindi testato la IA in un duello diagnostico con 18 clinici tra dermatologi, medici di base e infermieri praticanti. La top 1 accuracy è stata 0,66, paragonabile a quella dei dermatologi (0,63) ma nettamente superiore rispetto a quella delle due categorie di non specialisti (0,44 e 0,40). La top 3 accuracy, invece, è stata 0,90 (contro lo 0,75 dei dermatologi).
Il sistema, scrivono i ricercatori, può essere ancora perfezionato, aumentando il numero di casi e migliorando la validazione dei risultati attraverso test aggiuntivi, come ad esempio una biopsia. Senza sostituire la consulenza medica, lo strumento permetterebbe intanto al paziente di avere rapidamente accesso a informazioni accurate per fare scelte più consapevoli. Ma aiuterebbe anche i medici, sia specialisti che non, migliorando l’accuratezza delle diagnosi e i tempi di attesa per una diagnosi differenziale.