News

Big data: una sfida da raccogliere in fretta

Gli esperti di Imaging rischiano di perdere il lavoro nei prossimi 10 anni? Sembra di no, ma dovranno impegnarsi a fondo. Un intervento di Gianluca Pontone all’ESC Congress 2019 di Parigi.

20 Novembre Nov 2019 0000 23 days ago
  • Pontone Preferita Doctor

    Gianluca Pontone

    RESPONSABILE Unità Operativa RM cardiovascolare

    STAFF MEMBER Ecocardiografia, Unità Operativa Radiologia e TAC Cardiovascolare, Unità Operativa Scompenso, Cardiologia Clinica e Cardiologia Riabilitativa

I big data nell'imaging cardiaco sono uno strumento molto promettente. Ma l’inconsistente qualità dei dati, le evidenze ancora limitate a sostegno dell'efficacia clinica e la mancanza di chiarezza sull'efficace integrazione nel flusso di lavoro clinico sono altrettanti limiti alla loro applicazione.

Del resto, tenuto conto delle attuali conoscenze del machine learning e dell'intelligenza artificiale (IA), la scienza dell'imaging cardiaco è sostanzialmente troppo complessa e l'arte dell'interpretazione troppo sfumata per essere completamente rilevata dai computer.

Per queste ragioni, come ha chiarito il Dr. Gianluca Pontone, Responsabile UO RM cardiovascolare del Monzino e membro del board dell’EACVI, in un suo intervento allo scorso ESC Congress di Parigi, –l’innovazione non metterà seriamente a rischio il lavoro degli specialisti dell’imaging. Anzi, più realisticamente, gli algoritmi di machine learning supporteranno gli esperti di imaging nei loro sforzi per valutare la crescente quantità di dati riducendo i tempi di decisione e ottimizzando l'assistenza ai pazienti.

Ma per attuare un simile scenario, gli specialisti dell’imaging cardiovascolare dovranno impegnarsi attivamente per adattare la loro pratica all’innovazione e modellare la tecnologia con l'obiettivo di iniziare a colmare il divario tra il mondo dell'intelligenza artificiale e le realtà della medicina clinica.

"Credo che l'Intelligenza Artificiale non sostituirà i medici, ma è importante che i medici sappiano come usare l'IA a sufficienza per generare le loro ipotesi, eseguire analisi di big data e ottimizzare le applicazioni di IA nella pratica clinica per portare l'era della medicina cardiovascolare di precisione". Gianluca Pontone

Il Machine learning, il deep learning e il calcolo cognitivo sono cioè potenzialmente in grado di cambiare il modo in cui viene praticata la medicina, ma il medico deve essere preparato per la prossima era dell'IA..


Esempio di applicazione del machine learning alla valutazione della riserva frazionale di flusso ricavata da TC.
Prestazioni diagnostiche (sensibilità e specificità) di FFR-TC e angio-TC basate su ML (machine learning) e CFD (fluidodinamica computazionale) in 525 vasi coronarici, validate contro l’FFR invasiva, applicando una soglia di </= 80 per il significato funzionale.
[Coenen A et al. Diagnostic Accuracy of a Machine-Learning Approach to Coronary Computed Tomographic Angiography-Based Fractional Flow Reserve: Result From the MACHINE Consortium. Circ Cardiovasc Imaging. 2018 Jun;11(6):e007217.]

Rifermenti
1. Pontone G. The threat of big data: will imaging cardiologists lose their jobs in 10 years? ESC congress 3 settembre 2019 Paris, France.
2. Pontone G, Moharem-Elgamal S, Maurovich-Horvat P, Gaemperli O, Pugliese F. Training in cardiac computed tomography: EACVI certification process. Eur Heart J Cardiovasc Imaging. 2018 Feb 1;19(2):123-126.