Sviluppo di modelli di intelligenza artificiale per la segmentazione e la caratterizzazione del cancro alla prostata: uno studio osservazionale retrospettivo monocentrico.

Il cancro alla prostata è il secondo tumore più comune nella popolazione maschile. Questa patologia rappresenta un problema oncologico e di salute pubblica soprattutto nei paesi sviluppati, a causa di una maggiore presenza di uomini anziani nella popolazione.

L’imaging medico svolge un ruolo centrale nella stadiazione e nella ristadiazione della malattia della prostata. La risonanza magnetica (MRI), la tomografia computerizzata (CT) e la tomografia ad emissione di positroni (PET) sono tra i metodi comunemente utilizzati nella normale pratica clinica per la caratterizzazione del cancro alla prostata. Ad oggi lo studio di queste immagini è limitato ad un'analisi visiva qualitativa, tuttavia sono sempre più numerose le evidenze relative all'utilità di introdurre un'analisi quantitativa (o semiquantitativa) delle immagini biomediche.

L’attuale aumento dei dati di imaging disponibili, e della loro qualità, consente l’applicazione di metodi di intelligenza artificiale anche in campo medico per l’automazione di compiti (ad es. segmentazione automatica) e classificazione (es. aggressività del tumore).

L'estrazione di dati quantitativi, e più in generale lo studio delle lesioni tumorali, richiede la segmentazione manuale da parte di uno o più medici. Questo processo richiede tempi molto lunghi in quanto ogni immagine deve essere elaborata singolarmente; inoltre, il risultato dipende anche dal livello di esperienza del medico che effettua la segmentazione e questo potrebbe creare una fonte di eterogeneità, incidendo sulla riproducibilità della segmentazione.

I metodi di segmentazione automatica basati sull’intelligenza artificiale possono essere applicati alle immagini mediche per la localizzazione delle lesioni tumorali, superando così i limiti della segmentazione manuale.