Diagnosi melanoma

Lo studio “A reinforcement learning model for AI-based decision support in skin cancer” pubblicato su Nature Medicine, dimostra che integrare le scelte e le valutazioni diagnostiche “umane” migliora significativamente l'accuratezza dell'intelligenza artificiale (IA) utilizzata per l’individuazione del cancro della pelle. In questo studio, il team di ricercatori di cui fa parte la prof.ssa Iris Zalaudek, ordinario di Malattie Cutanee e veneree a UniTS e Direttrice della Clinica Dermatologica di ASUGI, ha addestrato un sistema di intelligenza artificiale utilizzando un metodo chiamato "apprendimento per rinforzo".

Il programma informatico ha imparato, attraverso tentativi ed errori, a fare diagnosi accurate considerando i pro e i contro delle diverse scelte diagnostiche. Rispetto ai metodi tradizionali di "apprendimento supervisionato", il nuovo approccio ha aumentato l'accuratezza nell'individuazione del melanoma e del carcinoma basocellulare, ha ridotto le diagnosi troppo sicure e ha migliorato l'assistenza complessiva ai pazienti.

In dettaglio, è stata migliorata la capacità di individuare il melanoma dal 61,4% al 79,5% e, per il carcinoma basocellulare, dal 79,4% all'87,1%. Il tasso di diagnosi corrette fatte dai dermatologi è aumentato del 12% e ha migliorato il tasso ottimale di decisioni di gestione delle patologie dal 57,4% al 65,3%.

Questi risultati suggeriscono che l'integrazione delle competenze e sensibilità umane nell'IA medica può portare a risultati diagnostici e assistenziali migliori.

Ufficio stampa UniTS