Per decenni lo screening del tumore al polmone ha avuto un unico obiettivo: individuare una neoplasia già presente quando è ancora abbastanza piccola da poter essere curata. Oggi, grazie all’intelligenza artificiale, la prospettiva sta cambiando profondamente. L’obiettivo non è più soltanto trovare un tumore, ma identificare con anni di anticipo le persone che presentano un rischio maggiore di svilupparlo. È una delle frontiere più promettenti della medicina di precisione e della diagnostica per immagini, sostenuta da studi pubblicati su autorevoli riviste scientifiche internazionali e attualmente in fase di ulteriore validazione clinica.

Una sola TAC può raccontare molto più di quanto immaginiamo

Il progetto che ha attirato maggiore attenzione a livello mondiale è Sybil, sviluppato dal Massachusetts General Hospital e dal Massachusetts Institute of Technology (MIT). L’algoritmo analizza una singola TAC del torace a basso dosaggio (Low Dose CT, LDCT) senza ricevere informazioni sull’età del paziente, sul sesso, sulla storia clinica, sull’abitudine al fumo o sulla familiarità per il tumore. L’unico dato che “vede” è l’immagine della TAC. Nello studio pubblicato sul Journal of Clinical Oncology, Sybil ha dimostrato di stimare il rischio di sviluppare un tumore del polmone fino a sei anni dopo l’esecuzione dell’esame, mantenendo buone prestazioni anche quando testato su popolazioni differenti rispetto a quelle utilizzate per il suo addestramento.

Cosa vede davvero l’intelligenza artificiale?

È probabilmente l’aspetto più sorprendente di questa tecnologia. Il radiologo osserva principalmente eventuali noduli o lesioni sospette. Sybil, invece, analizza l’intero volume tridimensionale del polmone. Migliaia di minuscole variazioni nella distribuzione dei pixel, nella texture del parenchima e nell’architettura complessiva del tessuto vengono elaborate contemporaneamente. Gli autori definiscono queste informazioni biomarcatori di imaging o caratteristiche radiomiche: segnali presenti nelle immagini ma troppo complessi per essere riconosciuti dall’occhio umano. L’algoritmo trasforma quindi la TAC in una vera e propria “firma matematica” del rischio. Il motivo biologico preciso per cui questi pattern risultino predittivi è ancora oggetto di ricerca, ma i risultati ottenuti suggeriscono che l’imaging possa contenere molte più informazioni di quelle attualmente utilizzate nella pratica clinica.

Tre aspetti che hanno sorpreso i ricercatori

Lo sviluppo di Sybil ha evidenziato alcuni risultati particolarmente interessanti. Il primo è che l’algoritmo non sa se il paziente fuma, eppure riesce comunque a stimarne il rischio utilizzando esclusivamente la TAC. Il secondo è che non cerca semplicemente un nodulo, ma interpreta l’intero polmone come una sorgente di informazioni biologiche. Il terzo è la capacità di prevedere un rischio futuro, aprendo la prospettiva di programmi di screening personalizzati in base al profilo individuale anziché soltanto all’età o al numero di sigarette fumate.

Meno esami inutili e diagnosi più precise

Un’altra grande sfida dello screening polmonare riguarda i cosiddetti falsi positivi. Le TAC a basso dosaggio individuano frequentemente piccoli noduli che, nella maggior parte dei casi, sono benigni. Questo può comportare ulteriori controlli, ansia per il paziente e talvolta procedure invasive non necessarie. Negli ultimi anni numerosi algoritmi di deep learning hanno dimostrato di poter migliorare la classificazione dei noduli polmonari, aumentando l’accuratezza diagnostica, standardizzando le misurazioni volumetriche e aiutando il radiologo a distinguere con maggiore precisione le lesioni che richiedono approfondimenti da quelle che possono essere semplicemente monitorate nel tempo.

Lo screening salva già migliaia di vite

L’intelligenza artificiale si inserisce in un contesto nel quale la TAC a basso dosaggio ha già dimostrato la propria efficacia. Il grande studio americano NLST ha evidenziato una riduzione della mortalità per tumore del polmone di circa il 20% rispetto alla radiografia del torace. Successivamente lo studio europeo NELSON ha confermato una significativa riduzione della mortalità, particolarmente marcata nelle donne, nelle quali alcune analisi hanno evidenziato diminuzioni fino a circa il 33%. Anche l’Italia ha contribuito in modo importante con studi come COSMOS, coordinato dall’IRCCS Ospedale San Raffaele di Milano, che hanno consolidato le evidenze scientifiche a favore dello screening nei soggetti ad alto rischio.

La prossima rivoluzione della prevenzione

Gli specialisti sottolineano che l’intelligenza artificiale non sostituirà il radiologo, ma rappresenterà uno strumento di supporto sempre più sofisticato. Prima dell’introduzione nella pratica clinica quotidiana saranno necessari ulteriori studi prospettici, validazioni su popolazioni più ampie e verifiche dell’impatto reale sugli esiti dei pazienti. La direzione, però, è ormai chiara. Per la prima volta l’obiettivo della medicina non è soltanto individuare un tumore quando compare, ma riconoscere con largo anticipo chi potrebbe svilupparlo, personalizzando prevenzione e controlli. Se questi risultati saranno confermati dagli studi in corso, una semplice TAC potrebbe diventare non solo un esame diagnostico, ma anche uno strumento capace di stimare il rischio futuro di una delle neoplasie più letali al mondo, aprendo una nuova era della prevenzione oncologica.