Strumenti di IA per la visione per la diagnostica sanitaria

Quando i medici esaminano radiografie dopo turni lunghi o analizzano centinaia di immagini mediche, a volte alcuni risultati importanti possono passare inosservati. È un problema comune nella diagnostica sanitaria.

Anche piccoli ritardi o dettagli trascurati possono influire sull’assistenza ai pazienti. Per affrontare queste problematiche, si usano sistemi di intelligenza artificiale (AI) per supportare il personale clinico.

Dal rilevamento precoce delle malattie tramite immagini mediche al supporto delle decisioni diagnostiche, questi sistemi stanno diventando una parte fondamentale del funzionamento delle organizzazioni sanitarie. Di fatto, gli strumenti di IA vengono integrati in diverse tecnologie sanitarie.

Tra questi rientrano i modelli di IA visiva che analizzano dati visivi, i software diagnostici che assistono il personale clinico durante la revisione e i sistemi di IA utilizzati in ambito clinico, che operano in contesti sanitari reali. Ogni tipo di strumento di IA ha uno scopo diverso, ma tutti condividono lo stesso obiettivo: consentire diagnosi più accurate, coerenti e affidabili.

In questo articolo esamineremo più da vicino alcuni dei più diffusi strumenti di AI usati per la diagnostica sanitaria in ambito clinico.

Uno sguardo alla tecnologia IA e alla diagnostica sanitaria#

L’IA può essere usata per supportare la diagnostica sanitaria in diverse fasi. Può intervenire dalla prima revisione dei dati medici fino alla fornitura di informazioni utili per le decisioni finali.

Queste funzionalità rendono l’IA uno strumento prezioso nei sistemi sanitari che gestiscono grandi quantità di dati. Ecco perché molti professionisti sanitari iniziano a usare strumenti basati sull’IA per diversi casi d’uso.

Per esempio, gli algoritmi di IA visiva possono analizzare radiografie e tomografie computerizzate per individuare nelle immagini mediche schemi che una persona potrebbe non notare durante una revisione manuale. Una soluzione di visione artificiale può segnalare automaticamente le aree sospette e velocizzare il processo diagnostico.

In questo modo migliora l’accuratezza diagnostica senza rallentare i flussi di lavoro clinici esistenti e lascia inoltre più tempo ai professionisti per concentrarsi su altre attività. Di fatto, si prevede che il mercato globale della visione artificiale in ambito sanitario crescerà di 10,97 miliardi di dollari tra il 2025 e il 2030, a conferma della crescente adozione di queste tecnologie.

Gli strumenti di IA visiva possono persino aiutare ad analizzare i tessuti umani su scala microscopica. I modelli di machine learning e deep learning possono essere usati per attività di analisi di dati microscopici, come il conteggio delle cellule in pochi secondi. Questo permette ai professionisti sanitari di concentrarsi su ciò che conta di più: il paziente.

Inoltre, alcuni avanzati sistemi clinici di IA possono combinare i dati di diagnostica per immagini con i dati dei pazienti provenienti dalle cartelle cliniche elettroniche (EHRs) e con le informazioni ricavate dagli studi clinici. Elaborando tutti questi dati insieme con l’IA, i medici possono creare un piano terapeutico personalizzato per ogni paziente. Questo è particolarmente utile per patologie complesse come il tumore al seno o le malattie cardiovascolari.

Tipi di strumenti di IA usati dai fornitori di servizi sanitari#

La diagnostica sanitaria può essere eseguita con diversi strumenti di AI, ciascuno con un ruolo specifico. Alcuni si concentrano sull'analisi delle immagini mediche, mentre altri supportano i flussi di lavoro clinici, il processo decisionale o le operazioni a livello di sistema negli ambienti sanitari.

Ecco alcuni dei principali tipi di strumenti di IA usati per la diagnostica sanitaria:

• Modelli di IA visiva: Sono modelli di IA fondamentali incentrati su attività di comprensione visiva come il rilevamento, la localizzazione, la segmentazione e il conteggio degli oggetti nelle immagini mediche e nei vetrini di anatomia patologica. Non prendono decisioni cliniche autonomamente, ma forniscono le informazioni fondamentali a livello di immagine su cui si basano le applicazioni diagnostiche basate sull’imaging.
• Software diagnostici basati sull’IA: Questi strumenti si basano su modelli fondamentali e sono progettati per supportare il processo decisionale clinico. Analizzano e combinano dati provenienti da più fonti, come immagini mediche, cartelle cliniche elettroniche (EHRs), risultati di laboratorio e note cliniche, per identificare schemi, segnalare potenziali anomalie, stabilire la priorità dei casi e assistere il personale clinico durante la revisione diagnostica.
• Sistemi di IA utilizzati in ambito clinico: Sono soluzioni di IA completamente integrate e regolamentate, approvate per l’uso clinico nel mondo reale. In genere combinano più modelli di IA, regole cliniche, livelli di convalida e meccanismi di monitoraggio per operare in sicurezza nei casi d’uso definiti. In base all’autorizzazione normativa, questi sistemi possono svolgere attività diagnostiche autonome o semiautonome, rispettando requisiti rigorosi in materia di prestazioni, sicurezza e privacy dei dati.

Strumenti di intelligenza artificiale più diffusi per la diagnostica sanitaria#

Ora che abbiamo compreso meglio come i diversi strumenti di intelligenza artificiale possono supportare i flussi di lavoro diagnostici, esploriamo alcuni dei principali strumenti di intelligenza artificiale attualmente utilizzati nella diagnostica sanitaria.

1. Modelli Ultralytics YOLO#

La famiglia di modelli Ultralytics YOLO comprende modelli di visione artificiale in tempo reale, progettati per eseguire diverse attività di intelligenza artificiale visiva su immagini e video. In ambito sanitario, questi modelli possono costituire una base fondamentale per aiutare i sistemi di intelligenza artificiale ad analizzare e comprendere le immagini mediche.

La famiglia di modelli Ultralytics YOLO include Ultralytics YOLOv5, Ultralytics YOLOv8, Ultralytics YOLO11 e l'ultima versione, Ultralytics YOLO26. Questi modelli non rilevano anomalie mediche fin da subito.

Per identificare tumori, lesioni, fratture o altre anomalie, i modelli possono essere messi a punto o addestrati da zero su dataset etichettati di immagini mediche, come Brain Tumor o GRAZPEDWRI-DX, dedicato ai traumi pediatrici del polso, che insegnano loro quali oggetti o anomalie cercare nelle immagini mediche.

Fig. 1. Utilizzo di YOLO per analizzare radiografie (Fonte)

Una volta perfezionati, modelli come Ultralytics YOLO26 possono fungere da assistenti visivi nei flussi di lavoro diagnostici. In particolare, la loro velocità li rende utili negli ambienti clinici più impegnati, dove è necessario esaminare rapidamente grandi quantità di dati di diagnostica per immagini.

2. Viz.ai#

Viz.ai è uno strumento di intelligenza artificiale per la diagnostica in grado di analizzare immagini mediche. Viene utilizzato per analizzare immagini diagnostiche e identificare condizioni che richiedono un'attenzione clinica immediata, come l'ictus e le patologie vascolari.

Questo strumento di intelligenza artificiale si integra direttamente nei sistemi ospedalieri e offre un'alternativa all'esame manuale delle immagini. Viz.ai consente ai team di diagnostica medica di intervenire più rapidamente, quando i tempi del trattamento incidono direttamente sugli esiti per i pazienti.

Una delle sue applicazioni principali è il rilevamento automatico delle occlusioni dei grandi vasi (LVO) nelle scansioni. Il sistema di intelligenza artificiale viene inoltre utilizzato per inviare avvisi immediati all'équipe chirurgica tramite dispositivi mobili, così da favorire interventi tempestivi.

Fig. 2. Possibili utilizzi di Viz.ai (Fonte)

3. PathAI#

La patologia è fondamentale per esaminare campioni di tessuto e individuare segni di malattia. Gli strumenti di intelligenza artificiale come PathAI utilizzano algoritmi per analizzare vetrini ad alta qualità e individuare schemi sottili.

I patologi utilizzano questo strumento durante l'esame delle biopsie. Tra le sue applicazioni figurano il conteggio delle cellule e l'individuazione dei margini tumorali nei vetrini. Ciò rende più efficiente il processo diagnostico e aiuta i professionisti sanitari ad avere maggiore fiducia nei risultati.

4. Aidoc#

Aidoc è uno strumento di AI progettato principalmente per la radiologia e la diagnostica basata su immagini, comprese le patologie cardiovascolari e neurologiche. Invece di analizzare referti medici scritti, Aidoc si concentra sui dati di imaging medico per aiutare a individuare i reperti clinicamente più rilevanti e urgenti.

Lo strumento funziona come un sistema di monitoraggio continuo della sicurezza, in background, per i flussi di lavoro di diagnostica per immagini. Analizza automaticamente le scansioni e segnala i casi ad alto rischio, affinché i medici possano esaminarli con priorità e tempestivamente. Questo aiuta a ridurre i ritardi diagnostici e favorisce un'assistenza costante ai pazienti negli ospedali più impegnati.

Aidoc si integra nei sistemi ospedalieri e nelle liste di lavoro dei radiologi, dove aiuta a identificare condizioni urgenti come embolie polmonari ed emorragie intracraniche. Assegnando la priorità ai casi di emergenza, Aidoc favorisce una risposta clinica più rapida senza interrompere i flussi di lavoro esistenti.

Fig. 3. Emorragie intracraniche rilevate da Aidoc. (Fonte)

5. Tempus#

Tempus è uno strumento basato sull'intelligenza artificiale utilizzato nella cura oncologica per aiutare i medici a prendere decisioni terapeutiche più consapevoli. Analizza le cartelle cliniche insieme ai dati genetici e molecolari dei pazienti.

La piattaforma riunisce informazioni come le anamnesi dei pazienti, i risultati degli esami e i dati genomici per fornire indicazioni cliniche utili. Esaminando insieme queste informazioni, Tempus aiuta i medici a comprendere meglio la malattia e a valutare quali trattamenti possano essere più adatti a un determinato paziente.

Tempus è utilizzato principalmente dagli oncologi per supportare la scelta dei trattamenti. Confronta il profilo genetico di un paziente con gli schemi individuati in ampi dataset clinici e molecolari, contribuendo a orientare la cura oncologica personalizzata.

6. Cleerly#

Cleerly è uno strumento diagnostico assistito dall'intelligenza artificiale, utilizzato per analizzare le scansioni TC cardiache, in particolare l'angiografia coronarica TC. Aiuta i medici a individuare dettagli nelle immagini cardiache che potrebbero essere difficili da riconoscere con il solo esame visivo standard.

Lo strumento analizza le scansioni TC per valutare l'accumulo di placche e il restringimento delle arterie coronarie, indicatori fondamentali delle cardiopatie. Sulla base di questa analisi, Cleerly genera un referto dettagliato che aiuta a mostrare il rischio di coronaropatia di un paziente.

Il ruolo in evoluzione dell'intelligenza artificiale nella sanità#

I progressi dell'intelligenza artificiale in ambito sanitario stanno interessando anche altri settori, oltre alla diagnostica per immagini. Sebbene l'intelligenza artificiale abbia avuto un impatto particolarmente forte sull'analisi delle immagini mediche, rendendola più efficiente e coerente, le nuove applicazioni stanno ampliandone il ruolo nell'intero flusso di lavoro diagnostico.

Oggi i sistemi di intelligenza artificiale possono supportare l'analisi automatizzata, la definizione delle priorità dei casi e il supporto alle decisioni cliniche, aiutando i medici a prendere decisioni più rapide e consapevoli e mantenendo la diagnostica per immagini al centro dell'assistenza diagnostica. Un esempio noto di questi progressi più ampi nell'intelligenza artificiale applicata alla medicina è AlphaFold, sviluppato da Google DeepMind.

Sebbene AlphaFold non venga utilizzato direttamente nella diagnostica clinica, dimostra come l'intelligenza artificiale possa analizzare dati biomedici complessi per prevedere con precisione la struttura tridimensionale delle proteine, un risultato che ha accelerato notevolmente la ricerca biologica e la scoperta di farmaci. Questi progressi contribuiscono a gettare le basi scientifiche per nuovi test diagnostici e terapie mirate.

Fig. 4. Previsione della struttura 3D di una proteina con AlphaFold (Fonte)

Punti chiave#

L'intelligenza artificiale sta ridefinendo rapidamente la diagnostica sanitaria, migliorando velocità, precisione ed efficienza nei flussi di lavoro clinici. Dalla diagnostica per immagini e dalla patologia alla pianificazione di trattamenti personalizzati, gli strumenti di intelligenza artificiale aiutano i medici a prendere decisioni più consapevoli e a ridurre il carico di lavoro manuale. Con la continua evoluzione di queste tecnologie, il loro ruolo nell'offerta di un'assistenza tempestiva, basata sui dati e incentrata sul paziente è destinato a diventare sempre più importante.

Unisciti alla nostra community e dai un'occhiata al nostro repository GitHub per saperne di più sull'intelligenza artificiale. Esplora le nostre pagine sulle soluzioni per conoscere le applicazioni dell'intelligenza artificiale nella produzione e della visione artificiale nella logistica. Scopri le nostre opzioni di licenza e inizia a creare modelli di intelligenza artificiale visiva.