{"id":601054,"date":"2026-07-25T02:21:18","date_gmt":"2026-07-25T02:21:18","guid":{"rendered":"https:\/\/www.europesays.com\/it\/601054\/"},"modified":"2026-07-25T02:21:18","modified_gmt":"2026-07-25T02:21:18","slug":"questa-mammografia-puo-prevedere-il-tumore-fino-a-5-anni-prima-la-scoperta-che-cambia-la-prevenzione","status":"publish","type":"post","link":"https:\/\/www.europesays.com\/it\/601054\/","title":{"rendered":"Questa mammografia pu\u00f2 prevedere il tumore fino a 5 anni prima: la scoperta che cambia la prevenzione"},"content":{"rendered":"

Per decenni l\u2019esame mammografico ha perseguito un obiettivo chiaro: individuare un tumore gi\u00e0 presente, preferibilmente in fase precoce. Oggi la ricerca internazionale compie un passo oltre. Grazie all\u2019intelligenza artificiale<\/strong>, una comune mammografia potrebbe diventare non solo uno strumento diagnostico, ma anche un mezzo per stimare la probabilit\u00e0 di sviluppare un carcinoma della mammella negli anni successivi. Si tratta di una delle evoluzioni pi\u00f9 rilevanti della medicina di precisione<\/strong> e coinvolge alcuni dei maggiori poli scientifici al mondo: dal Massachusetts Institute of Technology (MIT)<\/strong> al Massachusetts General Hospital (MGH)<\/strong>, fino ai grandi programmi di screening del Servizio sanitario britannico<\/strong>.<\/p>\n

Una mammografia che guarda al futuro<\/strong> Tra i modelli pi\u00f9 studiati figura Mirai<\/strong>, messo a punto dal MIT Computer Science and Artificial Intelligence Laboratory (CSAIL)<\/strong> in collaborazione con il Massachusetts General Hospital<\/strong>. L\u2019algoritmo elabora esclusivamente le immagini mammografiche<\/strong>: non necessita di et\u00e0, familiarit\u00e0, indice di massa corporea o altri dati clinici per generare la propria stima. Secondo uno studio pubblicato su Nature\/Science Translational Medicine<\/strong>, Mirai \u00e8 in grado di predire il rischio di insorgenza di un tumore al seno fino a cinque anni<\/strong> dopo l\u2019esame, utilizzando unicamente le informazioni racchiuse nelle immagini radiologiche. Un risultato di rilievo \u00e8 anche la solidit\u00e0 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.<\/p>\n

Che cosa \u201cvede\u201d davvero l\u2019intelligenza artificiale?<\/strong> Ecco la vera novit\u00e0. L\u2019occhio del radiologo cerca soprattutto masse, noduli, distorsioni dell\u2019architettura o microcalcificazioni. L\u2019IA<\/strong>, invece, esamina milioni di segnali presenti nell\u2019intera immagine: valuta la distribuzione della densit\u00e0 mammaria<\/strong>, 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<\/strong>. \u00c8 fondamentale precisare che i ricercatori non affermano che l\u2019algoritmo \u201cveda\u201d alterazioni cellulari o genetiche: identifica piuttosto pattern di imaging che, nei grandi studi clinici, risultano associati a una maggiore probabilit\u00e0 di ammalarsi.<\/p>\n

Il nodo del seno denso<\/strong> Una delle sfide pi\u00f9 complesse della diagnostica senologica riguarda il seno denso<\/strong>, tipico soprattutto delle donne pi\u00f9 giovani, ma non solo. Il tessuto fibroghiandolare appare bianco alla mammografia, cos\u00ec come molti carcinomi: per il radiologo \u00e8 spesso come \u201ccercare una palla di neve durante una tempesta di neve\u201d. Oltre a rendere pi\u00f9 difficile l\u2019individuazione delle lesioni, l\u2019elevata densit\u00e0 mammaria<\/strong> rappresenta di per s\u00e9 un fattore di rischio indipendente<\/strong>.<\/p>\n

Come l\u2019IA riesce a cogliere segnali che sfuggono all\u2019occhio umano<\/strong> I modelli di deep learning<\/strong> non osservano l\u2019immagine come farebbe una persona. Analizzano texture, minime alterazioni dell\u2019architettura e le relazioni tra milioni di pixel, riconoscendo configurazioni che sfuggono alla vista. Integrata con la tomosintesi mammaria digitale (DBT)<\/strong>, una sorta di mammografia tridimensionale basata su sottili sezioni dell\u2019organo, l\u2019IA pu\u00f2 valutare ogni strato separatamente, attenuando l\u2019effetto di sovrapposizione dei tessuti che spesso maschera lesioni di piccole dimensioni. Sistemi gi\u00e0 impiegati nella pratica clinica, come Transpara<\/strong> e Lunit INSIGHT MMG<\/strong>, hanno mostrato di potenziare le prestazioni dei radiologi, in particolare nell\u2019evidenziare le aree sospette e nel ridurre i richiami non necessari.<\/p>\n

L\u2019esperienza del Regno Unito<\/strong> Anche il Regno Unito<\/strong> sta investendo con decisione in questa direzione. L\u2019intelligenza artificiale Mia<\/strong>, sviluppata da Kheiron Medical Technologies<\/strong>, \u00e8 stata valutata all\u2019interno del programma nazionale di screening mammografico del NHS<\/strong> come supporto alla doppia lettura<\/strong>. I lavori pubblicati finora indicano che il sistema pu\u00f2 mantenere un\u2019accuratezza paragonabile alla doppia lettura tradizionale, contribuendo al contempo ad alleggerire il carico di lavoro dei radiologi.<\/p>\n

Va tuttavia precisato che le evidenze disponibili non dimostrano ancora che Mia individui sistematicamente<\/strong>, in ogni paziente, tumori \u201csfuggiti\u201d alla valutazione umana: la ricerca \u00e8 in pieno sviluppo<\/strong> e sono in corso ulteriori studi prospettici<\/strong>.<\/p>\n

Dalla prevenzione alla previsione<\/strong> Gli specialisti concordano: queste tecnologie non sostituiranno il radiologo, ma diventeranno strumenti di supporto sempre pi\u00f9 sofisticati. Il vero potenziale innovativo \u00e8 un altro: trasformare una semplice mammografia in un mezzo capace di personalizzare i percorsi di prevenzione<\/strong>. In prospettiva, donne con rischio stimato pi\u00f9 elevato potrebbero essere indirizzate a controlli pi\u00f9 ravvicinati, risonanza magnetica<\/strong>, ecografia<\/strong> o programmi di sorveglianza su misura<\/strong>, mentre chi presenta una probabilit\u00e0 molto bassa potrebbe evitare esami superflui. La piena adozione nella routine clinica richieder\u00e0 ulteriori validazioni e studi prospettici.<\/p>\n

Ma il messaggio che arriva dai laboratori \u00e8 netto: la mammografia del futuro<\/strong> non servir\u00e0 soltanto a scoprire un tumore gi\u00e0 presente. Potr\u00e0 aiutare a capire, con anni di anticipo<\/strong>, chi ha realmente maggiori probabilit\u00e0 di svilupparlo, aprendo una nuova stagione di prevenzione personalizzata<\/strong>.<\/p>\n

\"\"<\/p>\n","protected":false},"excerpt":{"rendered":"Per decenni l\u2019esame mammografico ha perseguito un obiettivo chiaro: individuare un tumore gi\u00e0 presente, preferibilmente in fase precoce.…\n","protected":false},"author":3,"featured_media":601055,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","_share_on_mastodon":"0"},"categories":[175],"tags":[239,1537,90,89,331238,331237,70063,326528,70056,331239,331234,331235,24085,240,331236],"class_list":["post-601054","post","type-post","status-publish","format-standard","has-post-thumbnail","category-salute","tag-health","tag-it","tag-italia","tag-italy","tag-kheiron-medical-technologies","tag-lunit-insight-mmg","tag-massachusetts-general-hospital","tag-massachusetts-institute-of-technology","tag-mgh","tag-mia","tag-mirai","tag-mit-csail","tag-nhs","tag-salute","tag-transpara"],"share_on_mastodon":{"url":"https:\/\/pubeurope.com\/@it\/116978234060469561","error":""},"_links":{"self":[{"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/posts\/601054","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/comments?post=601054"}],"version-history":[{"count":0,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/posts\/601054\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/media\/601055"}],"wp:attachment":[{"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/media?parent=601054"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/categories?post=601054"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.europesays.com\/it\/wp-json\/wp\/v2\/tags?post=601054"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}