Screening mammografico e AI: a che punto siamo?

L’intelligenza artificiale sta rivoluzionando il modo con cui si analizzano le immagini mammografiche. Attenzione però alle facili interpretazioni: prevedere un tumore con anni di anticipo grazie all’AI non è affatto all’ordine del giorno. Ciò che oggi questa tecnologia può realmente fare è analizzare le immagini e fornire al medico un supporto nella valutazione di lesioni sospette. Per capire se e come l’AI possa migliorare la diagnosi precoce del tumore al seno è da poco partito nel Regno Unito lo studio clinico EDITH (Early Detection using Information Technology in Health), promosso dal Department of Health and Social Care e finanziato con 11 milioni di sterline dal National Institute for Health and Care Research (NIHR). Lanciato a febbraio 2025, coinvolgerà 700.000 donne in 30 centri distribuiti su tutto il territorio britannico. Un numero mai visto prima, per una domanda ancora aperta: qual è il ruolo ottimale dell’AI nei programmi di screening mammografico?

Attualmente, i programmi di screening mammografico rivolti alle donne tra i 50 e i 69 anni prevedono l’invito a sottoporsi a una mammografia ogni due anni per intercettare la malattia sul nascere e ridurre la mortalità. Le immagini vengono lette da due radiologi in modo indipendente, secondo il modello della doppia lettura. Se i pareri coincidono, si procede; in caso contrario, viene coinvolto un terzo lettore. Questo sistema, adottato anche in Italia, garantisce un’elevata accuratezza, ma richiede molte risorse e può rallentare il processo. Ecco perché diversi paesi stanno valutando l’impiego dell’intelligenza artificiale come strumento di supporto, ad esempio sostituendo uno dei due lettori umani o segnalando in anticipo le immagini più sospette.

L’uso dell’AI nella lettura delle mammografie è stato già sperimentato in Europa e nel mondo. Diversi studi – pubblicati su Lancet Digital Health, Lancet Oncology e Nature Communications – hanno messo a confronto la doppia lettura convenzionale con la lettura singola supportata da algoritmi. I risultati finora mostrano che le performance dell’intelligenza artificiale sono almeno non inferiori a quelle del modello tradizionale, ma i dati restano eterogenei e spesso legati a singole piattaforme. EDITH fa un passo in più: non si limita a valutare un singolo algoritmo, ma confronta più piattaforme in condizioni reali e con mammografi di diversi produttori. La valutazione dell’interoperabilità tra sistemi e apparecchiature viene considerata un elemento chiave per rendere realmente scalabile e affidabile l’uso dell’intelligenza artificiale nei programmi pubblici di screening.

Nonostante i benefici, la mammografia ha dei limiti. I falsi positivi portano a richiami inutili e ansia, mentre il seno denso e alcune lesioni poco evidenti possono causare falsi negativi. Secondo alcune stime, fino al 33% dei tumori viene scoperto solo tra un controllo e l’altro (JAMA Netw Open, 2020). L’intelligenza artificiale può intervenire in diversi momenti del processo: come secondo lettore, riducendo il carico di lavoro dei radiologi; oppure come strumento di triage, identificando in anticipo i casi più a rischio. Non è ancora chiaro quale sia la strategia migliore. Oltre a supportare la lettura, l’AI potrebbe anche essere utile nella fase di selezione delle pazienti, contribuendo a una stratificazione del rischio e a una maggiore personalizzazione dell’offerta di screening. È proprio questo l’obiettivo del trial SMART, avviato in Svezia nel 2024 e destinato a coinvolgere 70.000 donne. Attraverso l’uso di un algoritmo di rischio basato sull’immagine (Profound AI Risk Model), vengono analizzati i dati delle mammografie e altri parametri clinici per stimare il rischio individuale di sviluppare un tumore nei successivi due anni. Le donne con rischio elevato ricevono un monitoraggio personalizzato, le altre seguono il protocollo standard. Se validato, questo approccio potrebbe aprire la strada a uno screening su misura.