L’integrazione dell’intelligenza artificiale nella diagnostica RM della prostata non sembra ancora sufficiente a sostituire la valutazione radiologica esperta nei programmi di screening. È quanto emerge da uno studio pubblicato su European Radiology, basato sulla coorte di screening G2, in cui un sistema di deep learning addestrato per identificare il carcinoma prostatico clinicamente significativo ha mostrato una buona capacità discriminativa, ma una specificità inferiore rispetto ai radiologi che utilizzano i criteri PI-RADS v2.
Lo studio, condotto da ricercatori svedesi e statunitensi, ha costruito un dataset RM specifico per una popolazione di screening, includendo 1.354 esami RM condotti su 1.254 uomini. Per ridurre il rischio di falsi negativi, 288 partecipanti sono stati sottoposti a biopsia indipendentemente dall’esito dell’imaging, mentre tutti i soggetti hanno avuto un follow-up clinico di almeno tre anni.
Le prestazioni del modello di deep learning, misurate tramite area sotto la curva ROC, hanno raggiunto un valore di 0,83. Tuttavia, a parità di sensibilità, l’IA ha mostrato una specificità significativamente inferiore rispetto alla valutazione dei radiologi basata su PI-RADS v2, con il rischio di un maggior numero di falsi positivi e potenzialmente di biopsie non necessarie.
Nel complesso, lo studio dimostra che è possibile addestrare reti neurali su popolazioni di screening con conferma istologica e follow-up clinico, ma indica anche che il modello valutato non eguaglia ancora la specificità della lettura radiologica esperta. L’integrazione dell’IA nello screening del carcinoma prostatico richiede quindi ulteriori affinamenti e validazioni prima di poter essere impiegata come alternativa alla valutazione umana basata su PI-RADS v2.
European radiology, 36(5), 3418–3428. https://doi.org/10.1007/s00330-025-12198-5
