L'intelligenza artificiale migliora l'imaging
I ricercatori dell'ETH stanno utilizzando l'intelligenza artificiale per migliorare la qualità delle immagini di un metodo relativamente nuovo di imaging medico. Ciò consentirà di diagnosticare meglio le malattie e di produrre dispositivi più economici in futuro.
![Vasi sanguigni](/de/news-und-veranstaltungen/eth-news/news/2019/09/kuenstliche-intelligenz-verbessert-bildgebung/_jcr_content/news_content/fullwidthimage/image.imageformat.930.100993790.jpg)
Gli scienziati dell'ETH di Zurigo e dell'Università di Zurigo hanno utilizzato metodi di apprendimento automatico per migliorare l'imaging optoacustico. Questa tecnica di imaging medico relativamente nuova può essere utilizzata, ad esempio, per visualizzare i vasi sanguigni all'interno del corpo, esaminare l'attività cerebrale o diagnosticare il cancro al seno e le malattie della pelle. Tuttavia, la qualità dell'immagine fornita da un dispositivo dipende fortemente dal numero di sensori e dalla loro distribuzione: Maggiore è il numero di sensori, migliore è la qualità dell'immagine. Il nuovo approccio dei ricercatori dell'ETH permette di ridurre significativamente il numero di sensori mantenendo la stessa qualità dell'immagine. In questo modo è possibile ridurre i costi dei dispositivi, aumentare la velocità di imaging e migliorare la diagnosi.
L'optoacustica (vedi riquadro) presenta alcune analogie con l'imaging a ultrasuoni. In quest'ultima, una sonda invia onde ultrasonore nel corpo, che il tessuto riflette. I sensori nella sonda rilevano le onde sonore riflesse, che possono essere utilizzate per generare un'immagine dell'interno del corpo. Nell'imaging optoacustico, invece, impulsi laser estremamente veloci vengono inviati nel tessuto, dove vengono assorbiti e convertiti in onde ultrasonore. Queste vengono poi rilevate in modo simile all'imaging a ultrasuoni per creare un'immagine.
Correzione delle distorsioni delle immagini
I ricercatori, guidati da Daniel Razansky, professore di imaging biomedico presso l'Università di Zurigo e l'ETH di Zurigo, cercavano un modo per migliorare la qualità dell'immagine dei dispositivi optoacustici a basso costo che hanno solo pochi sensori a ultrasuoni.
A tale scopo, hanno prima utilizzato un dispositivo optoacustico di alta qualità con 512 sensori, sviluppato da loro stessi, che ha fornito immagini di alta qualità. Le hanno poi fatte analizzare da una rete neurale artificiale. La rete ha appreso le caratteristiche delle immagini di alta qualità.
I ricercatori hanno poi spento la maggior parte dei sensori, lasciandone solo 128 o 32, il che ha avuto un impatto negativo sulla qualità dell'immagine: a causa della mancanza di dati, segnali di interferenza striati hanno permeato l'immagine. Tuttavia, il sistema di apprendimento automatico precedentemente addestrato è stato in grado di correggere queste distorsioni con il suo algoritmo. Di conseguenza, la qualità dell'immagine è aumentata in modo significativo ed è stata paragonabile alla qualità di una misurazione con 512 sensori.
![esempi](/de/news-und-veranstaltungen/eth-news/news/2019/09/kuenstliche-intelligenz-verbessert-bildgebung/_jcr_content/news_content/fullwidthimage_294914286/image.imageformat.930.284029795.jpg)
In optoacustica, la qualità delle immagini aumenta non solo con il numero di sensori utilizzati, ma anche quando l'oggetto in esame viene ripreso dal maggior numero possibile di direzioni diverse: più ampio è il settore in cui sono disposti i sensori intorno all'oggetto in esame, migliore è la qualità. L'algoritmo sviluppato è stato anche in grado di migliorare significativamente la qualità delle immagini acquisite da un solo settore strettamente definito. "Questo è importante per le applicazioni cliniche, perché gli impulsi laser utilizzati non penetrano l'intero corpo umano e la maggior parte delle parti del corpo umano vicine alla superficie possono essere catturate solo da una direzione", spiega Razansky.
Facilitare il lavoro dei medici
Come sottolineano gli scienziati, il loro approccio non è limitato all'imaging optoacustico. Poiché la tecnologia analizza le immagini finite piuttosto che i dati grezzi, è adatta anche ad altri processi di imaging. "In generale, può essere utilizzata per produrre immagini di buona qualità con meno dati grezzi", afferma Razansky. I medici si trovano occasionalmente di fronte a dati di imaging di scarsa qualità che devono interpretare. "Dimostriamo che i metodi di intelligenza artificiale possono essere utilizzati per migliorare tali immagini, rendendo più semplice l'interpretazione".
Per Razansky, questo lavoro di ricerca è un buon esempio di come possono essere utilizzati i metodi di intelligenza artificiale attualmente esistenti. "Molte persone pensano che l'intelligenza artificiale possa sostituire quella umana. A mio parere, però, si tratta di un'idea sopravvalutata, almeno per quanto riguarda gli attuali metodi di IA", afferma. "Non possono sostituire la creatività umana, ma sono adatti a sollevare l'uomo da noiosi compiti ripetitivi".
Per questo lavoro di ricerca, gli scienziati hanno utilizzato un dispositivo di tomografia optoacustica personalizzato per piccoli animali e hanno addestrato il sistema di apprendimento automatico con immagini di topi. Il prossimo passo sarà applicare il metodo alle immagini optoacustiche dei tessuti umani, spiega Razansky.
Visualizzazione della funzione dei tessuti
A differenza dell'optoacustica (o fotoacustica), molte tecniche di imaging - tra cui gli ultrasuoni, i raggi X e la risonanza magnetica - descrivono solo le strutture dell'interno del corpo. Per ottenere ulteriori informazioni funzionali, ad esempio sul metabolismo, al paziente devono essere somministrati agenti di contrasto o traccianti radioattivi prima dell'imaging. Il metodo optoacustico, invece, fornisce informazioni funzionali e molecolari anche senza agente di contrasto, come le variazioni locali della concentrazione di ossigeno nel sangue - informazioni importanti per la diagnosi precoce del cancro - o il contenuto lipidico delle pareti dei vasi sanguigni, utilizzato per diagnosticare le malattie cardiovascolari.
Tuttavia, poiché le onde luminose utilizzate nell'imaging optoacustico, a differenza di altre onde, non penetrano completamente nel corpo, il metodo è adatto solo per esaminare i tessuti fino a pochi centimetri di profondità sotto la pelle.
Riferimento alla letteratura
Davoudi N, Deán-Ben XL, Razansky D: Deep learning optoacoustic tomography with sparse data, Nature Machine Intelligence, 16 settembre 2019, doi: pagina esterna10.1038/s42256-019-0095-3