I servizi sanitari consigliano lo screening per il cancro al seno e spesso usano mammografia ed ecografia. Tuttavia, nelle donne con tessuto mammario denso le immagini ecografiche possono essere compromesse: il tessuto denso disperde il suono e crea un disturbo acustico che rende le cisti piene di liquido simili alle masse solide.
Un gruppo di ricerca della Johns Hopkins ha messo a punto un nuovo metodo di elaborazione del segnale ecografico basato sulla coerenza. A differenza delle ecografie convenzionali, che usano l'ampiezza del segnale per formare i toni scuri e chiari, l'approccio per coerenza valuta la somiglianza dei segnali tra elementi vicini. Il risultato sono immagini più pulite e una riduzione delle false apparizioni causate dal disturbo acustico.
Il sistema dà anche un punteggio numerico per ogni massa: solo le masse sopra una soglia prestabilita vengono considerate preoccupanti. In uno studio su 132 pazienti i medici hanno identificato correttamente le masse nel 96% dei casi con il nuovo metodo, contro il 67% con l'ecografia convenzionale. La coautrice Eniola Oluyemi ha detto che la tecnica può ridurre falsi positivi, esami di controllo e biopsie.
Il gruppo osserva che l'intelligenza artificiale già oggi può distinguere masse benigne e cancerose nelle immagini ecografiche; combinare la coerenza con l'IA potrebbe permettere decisioni più rapide durante la prima visita. Gli autori auspicano che un giorno il metodo possa essere usato anche a domicilio. Il lavoro è pubblicato su Radiology Advances e sostenuto dai National Institutes of Health.
Parole difficili
- coerenza — grado di somiglianza tra segnali vicini
- ampiezza — intensità o grandezza del segnale registrato
- disturbo acustico — rumore nel segnale che altera l'immagine
- soglia — valore limite oltre il quale si intervienesoglia prestabilita
- falso positivo — esito che segnala malattia inesistentefalsi positivi
- biopsia — prelievo di tessuto per analisi medicabiopsie
Suggerimento: passa il mouse o tocca le parole evidenziate nell’articolo per vedere definizioni rapide mentre leggi o ascolti.
Domande di discussione
- Come potrebbe la riduzione dei falsi positivi influire sui pazienti e sul sistema sanitario?
- Quali vantaggi e quali limiti vedi se questo metodo fosse disponibile per uso domiciliare?
- In che modo l'integrazione della coerenza con l'intelligenza artificiale potrebbe cambiare la gestione della prima visita?
Articoli correlati
Metodo ispirato agli stormi migliora i riassunti dell'AI
Ricercatori della New York University hanno creato un metodo che usa principi degli stormi di uccelli per scegliere frasi importanti e fornire input migliori ai modelli linguistici. Il sistema riduce le "allucinazioni" e migliora l'accuratezza dei riassunti.
Pandemia: difficoltà per le persone con disabilità in Kenya e Nigeria
Durante la pandemia di COVID-19 le persone con disabilità nelle aree urbane povere di Kenya e Nigeria hanno avuto problemi maggiori per accedere alle cure, perdere il lavoro e pagare le medicine. Ricercatori e sostenitori chiedono servizi più vicini e aiuti accessibili.
Inviti dopo il lavoro: vantaggi e rischi per i dipendenti
Una ricerca guidata da Joanna Lin mostra che gli inviti a eventi dopo il lavoro aiutano chi ha fiducia sociale ma possono creare ansia e stress per i più timidi. Lo studio analizza studi e sondaggi con centinaia di dipendenti.
Clinica integrata per persone e animali aumenta l'accesso alle cure
Uno studio su clienti della One Health Clinic di Seattle ha trovato che offrire assistenza veterinaria aumenta la probabilità che giovani senza fissa dimora ricevano anche cure mediche per sé. I ricercatori hanno analizzato dati dal 2019 al 2022.