Per decenni l’esame mammografico ha perseguito un obiettivo chiaro: individuare un tumore già presente, preferibilmente in fase precoce. Oggi la ricerca internazionale compie un passo oltre. Grazie all’intelligenza artificiale, una comune mammografia potrebbe diventare non solo uno strumento diagnostico, ma anche un mezzo per stimare la probabilità di sviluppare un carcinoma della mammella negli anni successivi. Si tratta di una delle evoluzioni più rilevanti della medicina di precisione e coinvolge alcuni dei maggiori poli scientifici al mondo: dal Massachusetts Institute of Technology (MIT) al Massachusetts General Hospital (MGH), fino ai grandi programmi di screening del Servizio sanitario britannico.
Una mammografia che guarda al futuro Tra i modelli più studiati figura Mirai, messo a punto dal MIT Computer Science and Artificial Intelligence Laboratory (CSAIL) in collaborazione con il Massachusetts General Hospital. L’algoritmo elabora esclusivamente le immagini mammografiche: non necessita di età, familiarità, indice di massa corporea o altri dati clinici per generare la propria stima. Secondo uno studio pubblicato su Nature/Science Translational Medicine, Mirai è in grado di predire il rischio di insorgenza di un tumore al seno fino a cinque anni dopo l’esame, utilizzando unicamente le informazioni racchiuse nelle immagini radiologiche. Un risultato di rilievo è anche la solidità delle prestazioni in popolazioni appartenenti a differenti gruppi etnici, un punto critico per molti modelli statistici tradizionali che tendono a perdere accuratezza quando applicati a contesti diversi da quelli su cui sono stati addestrati.
Che cosa “vede” davvero l’intelligenza artificiale? Ecco la vera novità. L’occhio del radiologo cerca soprattutto masse, noduli, distorsioni dell’architettura o microcalcificazioni. L’IA, invece, esamina milioni di segnali presenti nell’intera immagine: valuta la distribuzione della densità mammaria, la microstruttura del tessuto, le relazioni geometriche tra aree della mammella e numerose caratteristiche radiomiche non immediatamente percepibili. Questi elementi vengono sintetizzati in una sorta di firma matematica del rischio. È fondamentale precisare che i ricercatori non affermano che l’algoritmo “veda” alterazioni cellulari o genetiche: identifica piuttosto pattern di imaging che, nei grandi studi clinici, risultano associati a una maggiore probabilità di ammalarsi.
Il nodo del seno denso Una delle sfide più complesse della diagnostica senologica riguarda il seno denso, tipico soprattutto delle donne più giovani, ma non solo. Il tessuto fibroghiandolare appare bianco alla mammografia, così come molti carcinomi: per il radiologo è spesso come “cercare una palla di neve durante una tempesta di neve”. Oltre a rendere più difficile l’individuazione delle lesioni, l’elevata densità mammaria rappresenta di per sé un fattore di rischio indipendente.
Come l’IA riesce a cogliere segnali che sfuggono all’occhio umano I modelli di deep learning non osservano l’immagine come farebbe una persona. Analizzano texture, minime alterazioni dell’architettura e le relazioni tra milioni di pixel, riconoscendo configurazioni che sfuggono alla vista. Integrata con la tomosintesi mammaria digitale (DBT), una sorta di mammografia tridimensionale basata su sottili sezioni dell’organo, l’IA può valutare ogni strato separatamente, attenuando l’effetto di sovrapposizione dei tessuti che spesso maschera lesioni di piccole dimensioni. Sistemi già impiegati nella pratica clinica, come Transpara e Lunit INSIGHT MMG, hanno mostrato di potenziare le prestazioni dei radiologi, in particolare nell’evidenziare le aree sospette e nel ridurre i richiami non necessari.
L’esperienza del Regno Unito Anche il Regno Unito sta investendo con decisione in questa direzione. L’intelligenza artificiale Mia, sviluppata da Kheiron Medical Technologies, è stata valutata all’interno del programma nazionale di screening mammografico del NHS come supporto alla doppia lettura. I lavori pubblicati finora indicano che il sistema può mantenere un’accuratezza paragonabile alla doppia lettura tradizionale, contribuendo al contempo ad alleggerire il carico di lavoro dei radiologi.
Va tuttavia precisato che le evidenze disponibili non dimostrano ancora che Mia individui sistematicamente, in ogni paziente, tumori “sfuggiti” alla valutazione umana: la ricerca è in pieno sviluppo e sono in corso ulteriori studi prospettici.
Dalla prevenzione alla previsione Gli specialisti concordano: queste tecnologie non sostituiranno il radiologo, ma diventeranno strumenti di supporto sempre più sofisticati. Il vero potenziale innovativo è un altro: trasformare una semplice mammografia in un mezzo capace di personalizzare i percorsi di prevenzione. In prospettiva, donne con rischio stimato più elevato potrebbero essere indirizzate a controlli più ravvicinati, risonanza magnetica, ecografia o programmi di sorveglianza su misura, mentre chi presenta una probabilità molto bassa potrebbe evitare esami superflui. La piena adozione nella routine clinica richiederà ulteriori validazioni e studi prospettici.
Ma il messaggio che arriva dai laboratori è netto: la mammografia del futuro non servirà soltanto a scoprire un tumore già presente. Potrà aiutare a capire, con anni di anticipo, chi ha realmente maggiori probabilità di svilupparlo, aprendo una nuova stagione di prevenzione personalizzata.
