Valutazione dell'effetto della presenza di materiali medici/corpi estranei sulla performance di un algoritmo di intelligenza artficiale per la rilevazione automatica di segni radiografici in radiografie di torace del cane

La radiologia è una branca della diagnostica per immagini largamente utilizzata nelle attività cliniche di routine, per esempio per investigare il torace dei piccoli animali. Spesso, uno studio radiografico è il primo esame che viene eseguito sull’animale che presenta una sospetta patologia che possa coinvolgere le strutture toraciche. Inoltre, la decisione di eseguire esami più avanzati è basata altrettanto spesso sui risultati dell’esame radiografico. In un contesto del genere, risulta di fondamentale importanza una corretta interpretazione delle radiografie. Per ridurre l’incidenza di errori in quest’ultima, sono stati proposti software cosiddetti di “Computer-aided detecion” (CAD), basati su algoritmi di intelligenza artificiale. Nel progetto a cui ho preso parte, è stato testato l’utilizzo di un algoritmo di deep learning (basato su una CNN – “Convolutional Neural Network”) per rilevare alcune delle più comuni alterazioni che possono essere oggettivate in una radiografia di torace canino e felino, nonché la presenza di tubi endotracheali, sondini esofagei, suture e corpi estranei, con lo scopo di allenare l’algoritmo al riconoscimento di tali materiali. In un primo momento, al fine di creare il database necessario per l’allenamento dell’algoritmo, sono state visionate 10903 radiografie di torace delle due specie sopracitate. Per ognuna di esse inclusa nello studio, in base ai reperti presenti, sono stati assegnati uno o più dei seguenti tag: “no finding”, “alveolar pattern”, “bronchial pattern”, “interstitial pattern”, “pleural effusion”, “cadiomegaly”, “tracheal collapse”, “megaesophagus”, “pneumoderma”, “pneumomediastinum”, “pneumothorax”, “mass”, “diaphragmatic hernia”, “fracture”. Sono state escluse tutte le radiografie con errori di posizionamento e di esposizione, oltre a quelle presentanti sondini esofagei, suture, pasti baritati, drenaggi e corpi estranei (spesso pallini da caccia). Le radiografie con tubi endotracheali sono state comunque incluse, ma senza indicare la presenza dei suddetti. L’algoritmo (usato per la creazione di un software di assistenza per la valutazione delle immagini radiografiche denominato VERA – VEterinary Radiology Assistent) è stato dunque allenato con questo database. Dopodiché, le radiografie di cane escluse per la presenza dei materiali suddetti sono state aggiunte allo studio, con l’inserimento dei tag appropriati in base alle alterazioni presenti e con l’aggiunta dei tag “tube” (per quelle in cui figuravano tubi endotracheali, sondini esofagei e drenaggi) e “sutures” (per quelle in cui erano presenti fili di sutura e graffette metalliche). In caso di pasti baritati, viti ortopediche e corpi estranei è stato aggiunto il tag “foreign body”. In totale sono state rivalutate 391 radiografie. Sarà eseguita una decina di iterazioni con il database così aggiornato e, in base al risultato ottenuto, sarà possibile capire se l’algoritmo distinguerà la presenza tubi endotracheali, suture e simili in una data radiografia, rilevando comunque le lesioni presenti. Nel caso in cui questo scenario si verifichi, il software creato con questo algoritmo sarà in grado di ricevere in input e valutare correttamente anche queste radiografie, permettendo agli utenti che ne faranno uso di inserire immagini che attualmente non risultano adeguatamente valutabili.