Vai al contenuto
Ora nel mondoEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portale su IA e tecnologiaeventi · analisi · interviste · approfondimenti tecnici

Cerca
LIVE
›

Risonanza della colonna con una sola scansione: 76 patologie e referto pronto da correggere

Il Terzo Ospedale dell'Università di Pechino e United Imaging Intelligence hanno descritto un agente che da un normale esame MR della colonna ricava un referto strutturato su 76 patologie. La stesura dei referti è diventata più veloce del 56 per cento.

SaluteIntervistaSara GalloPubblicato: 23 settembre 20267 min di letturaFonti 2
Risonanza della colonna con una sola scansione: 76 patologie e referto pronto da correggere

L'intelligenza artificiale si sta diffondendo nell'imaging medico. Molti modelli brillano sui dati di laboratorio, poi deludono nell'ambulatorio reale. La domanda non è più se tecnicamente sia possibile. È come passare dalla disponibilità tecnica all'utilità clinica.

In questo quadro la Clinica di Radiologia del Terzo Ospedale dell'Università di Pechino, insieme a United Imaging Intelligence, ha messo a punto un agente MR della colonna che lavora secondo il principio "una scansione, molti esami". Da un solo esame di risonanza nasce l'analisi strutturata di più patologie insieme. Secondo la prof.ssa Yuan Huishu, responsabile della diagnostica nella clinica, l'agente "unisce le capacità del grande modello alle abitudini reali dei clinici: l'informazione non è solo completa, ma anche precisa e comoda da usare". Al medico toglie le osservazioni ripetitive, l'ordinamento e la digitazione del testo.

Quanto pesa il lavoro

La risonanza della colonna è uno degli esami più frequenti in sala. Nell'ospedale di Pechino è l'esame MR più richiesto dell'intera struttura: in media quasi 300 esami al giorno. Per il referto bisogna scorrere strato per strato vertebre, dischi, legamenti, midollo spinale e radici nervose. Poi si descrivono ernie, stenosi del canale o alterazioni dei corpi vertebrali. Senza il supporto dell'IA il referto, dalla prima bozza all'approvazione, richiede in media da cinque a dieci minuti.

La prof.ssa Yuan fa notare che i modelli IA tradizionali risolvono un compito o pochi. Agiscono come "osservatori specialisti" di un solo tipo di alterazione. Spesso restano programmi separati, fuori dal sistema PACS: il medico deve trasferire i risultati e ordinare il testo a mano, e così il lavoro aumenta invece di diminuire. Alcuni strumenti generavano anche risposte non conformi all'immagine, minando la fiducia nella tecnologia stessa.

Tre salti

L'agente compie tre salti. Primo: dal riconoscimento di una singola malattia alla valutazione sistemica di molte. Analizza l'immagine nel suo insieme e in una sola volta produce un referto su 76 patologie e anomalie, valutando i segmenti della colonna uno dopo l'altro. Nell'esame del tratto lombare per il mal di schiena individua non solo la degenerazione dei dischi, ma anche angiomi dei corpi vertebrali o fratture da compressione. Secondo: dal significato dei singoli foci al referto strutturato completo. Rilevamento dell'alterazione, localizzazione anatomica, descrizione dei sintomi e referto strutturato pronto nascono insieme. L'efficienza di stesura dei referti è aumentata del 56 per cento. Terzo: da strumento esterno ad agente integrato nella piattaforma AI PACS, quella che il medico usa ogni giorno.

Il progetto è iniziato formalmente a luglio 2025. Prima c'è stato un intervento di 18 mesi sulla piattaforma AI PACS, condotto da entrambe le parti. Il team elenca quattro sfide tecniche: la localizzazione anatomica precisa dei numerosi segmenti della colonna, la comprensione della logica con cui i radiologi scrivono i referti, il problema della "coda lunga" delle malattie rare, per le quali mancano i dati, e l'evitare le allucinazioni del modello. L'agente è già attivo nell'ospedale principale e in quattro sedi distaccate. L'IA resta uno strumento di supporto: ogni risultato deve essere approvato dal radiologo. La fase successiva è uno studio multicentrico esterno.

Commenti 0

Fonti

2
  1. 01袁慧书:脊柱“一扫多查”,让AI成为影像医生得力助手ZH
  2. 02首个专家级通用医疗影像AI登上《科学》(科学网,医学科学)ZH

Tutti i numeri e le citazioni di questo testo provengono dalle fonti elencate sotto.

I contenuti sono stati preparati dalla redazione con il supporto dell'IA.

Sara Gallo

Sara Gallo

Scienza e salute

Sara Gallo scrive di scienza e salute per FLASH24, partendo da studi originali, comunicati di enti di ricerca e dati di agenzie sanitarie, senza fermarsi ai titoli. Per ogni articolo controlla campioni, intervalli di confidenza e conflitti di interesse, confrontando i numeri con le serie storiche di ISS ed Eurostat. Segue le revisioni sistematiche in uscita e attende i briefing del ministero della Salute, parlando con ricercatori e clinici prima di pubblicare. La sua formazione in fisica dei materiali e il telescopio che usa nel tempo libero si ritrovano nella cura con cui legge misure e immagini. Non pubblica stime senza fonte primaria.

Redazione →

Commenti

0
  1. Nessun commento — sii il primo.

Scrivi un commento

I commenti sono pubblici. Non pubblichiamo insulti, spam né pubblicità.