Intelligenza artificiale legge la risonanza magnetica al cervello e accelera la diagnosi neurologica

Un modello di intelligenza artificiale è stato addestrato per analizzare risonanze magnetiche cerebrali e fornire una diagnosi in tempi rapidissimi. Nei test ha riconosciuto gravi patologie neurologiche con un’accuratezza che arriva al 97,5%, riuscendo anche a stabilire quali casi richiedono un intervento immediato.

Il sistema è stato sviluppato da un gruppo di ricerca statunitense e descritto in uno studio scientifico recente. L’obiettivo è alleggerire il lavoro dei medici in un momento in cui il numero di esami di risonanza magnetica cresce più velocemente delle risorse disponibili nei reparti di radiologia.

Leggi anche Ai Act - c'è l'approvazione: è la prima legge sull'Intelligenza artificiale

Il modello, chiamato Prima, è stato messo alla prova su oltre 30 mila studi di risonanza magnetica raccolti nell’arco di un anno. In più di cinquanta diagnosi radiologiche legate a disturbi neurologici seri, ha mostrato prestazioni superiori rispetto ad altri sistemi di intelligenza artificiale già utilizzati in ambito clinico.

Uno degli aspetti centrali è la capacità di indicare l’urgenza dei casi. Patologie come ictus o emorragie cerebrali richiedono tempi di risposta molto rapidi: in queste situazioni il sistema è in grado di segnalare subito l’esame critico, consentendo ai medici di intervenire senza ritardi.

Prima non si limita a segnalare un problema, ma suggerisce anche quale specialista coinvolgere. A seconda del quadro clinico può indirizzare l’allerta verso un neurologo esperto di ictus o un neurochirurgo, con un riscontro disponibile subito dopo la conclusione dell’esame.

Dal punto di vista tecnico si tratta di un vision language model, capace di elaborare insieme immagini, video e testi. A differenza di approcci precedenti, l’addestramento non è stato basato su porzioni selezionate di dati, ma sull’intero archivio di risonanze magnetiche raccolte nel corso di decenni di attività clinica.

Nel processo vengono integrate anche le informazioni cliniche dei pazienti e le motivazioni che hanno portato alla richiesta dell’esame. In questo modo il sistema combina i dati di imaging con il contesto medico, replicando il percorso di valutazione seguito da un radiologo umano.

Ogni anno nel mondo si effettuano milioni di risonanze magnetiche, molte delle quali dedicate alle malattie neurologiche. La richiesta supera spesso la disponibilità di neuroradiologi, con tempi di attesa che possono durare giorni, soprattutto nelle strutture con risorse limitate.

Secondo i ricercatori, tecnologie di questo tipo potrebbero ridurre i ritardi diagnostici e limitare il rischio di errori legati al sovraccarico di lavoro. L’uso di sistemi automatizzati consentirebbe una gestione più efficiente dei flussi di esami.

Nonostante i risultati incoraggianti, lo studio si trova ancora in una fase iniziale. I prossimi sviluppi prevedono l’integrazione di dati più dettagliati dalle cartelle cliniche elettroniche e l’estensione del modello ad altre tecniche di imaging medico, come mammografie, radiografie ed ecografie.