PET/CT a Bassa Dose e Intelligenza Artificiale: Vediamo Meglio (e con Meno Radiazioni) le Lesioni Polmonari?

Ciao a tutti! Oggi voglio parlarvi di qualcosa che mi sta davvero a cuore e che potrebbe rappresentare una piccola rivoluzione nel modo in cui cerchiamo di scovare precocemente una delle malattie più temute: il cancro ai polmoni. Sappiamo tutti quanto sia importante la diagnosi precoce, vero? Fa tutta la differenza del mondo. Attualmente, per lo screening nei soggetti a rischio, si usa la TC a bassa dose (LDCT), che è fantastica nel trovare noduli polmonari, ma ha un piccolo “difetto”: non sempre ci dice se quel nodulo è benigno o maligno. Questo porta spesso a ulteriori indagini, ansia per i pazienti e costi aggiuntivi.

Il Dilemma della PET/CT

Qui entra in gioco la PET/CT con [18F]-FDG, una tecnica di imaging potentissima che combina l’anatomia della TC con informazioni sul metabolismo dei tessuti fornite dalla PET. È uno strumento chiave per stadiare il cancro, valutare la risposta alle terapie e caratterizzare proprio quei noduli polmonari indeterminati visti alla TC. Fantastico, no? Beh, quasi. Il “problema” della PET/CT standard è la dose di tracciante radioattivo che bisogna iniettare e, di conseguenza, la dose di radiazioni assorbita dal paziente. Per uno screening su larga scala, dobbiamo assolutamente rispettare il principio ALARA (As Low As Reasonably Achievable), cioè usare la minor dose possibile senza compromettere il risultato diagnostico. Ridurre la dose iniettata, però, significa avere immagini PET con più “rumore” (un po’ come una foto sgranata), che potrebbero rendere difficile vedere le lesioni più piccole o meno attive. Un bel dilemma!

La Tecnologia Ci Viene In Aiuto: Decimazione e Denoising con AI

Ed è qui che la tecnologia moderna ci dà una mano incredibile. I nuovi scanner PET/CT, con i loro rivelatori super avanzati (SiPM, per i più tecnici), sono molto più sensibili e precisi. Questo già ci permette di pensare a ridurre i tempi di acquisizione o la dose iniettata. Ma la vera svolta potrebbe arrivare dalla combinazione di due tecniche: la decimazione e il denoising basato sull’intelligenza artificiale (AI), in particolare sulle reti neurali convoluzionali (CNN).

Cosa significa? Immaginate di avere i dati grezzi di una scansione PET acquisita con la dose standard (full statistics). La “decimazione” è un processo che simula una riduzione della dose iniettata scartando casualmente una parte di questi dati prima di ricostruire l’immagine. Possiamo così creare immagini come se fossero state acquisite con il 30%, il 10%, il 5%, il 2% o addirittura l’1% della dose standard! Ovviamente, più scendiamo con la dose simulata, più l’immagine diventa rumorosa e difficile da leggere.

Ed ecco che entra in gioco l’AI! Abbiamo utilizzato un algoritmo di CNN addestrato appositamente per “ripulire” queste immagini a bassa dose (denoising). L’obiettivo è rimuovere il rumore di fondo mantenendo, o addirittura esaltando, il segnale delle lesioni, restituendo un’immagine di qualità simile a quella ottenuta con la dose piena. Una specie di “restauro” digitale super intelligente.

Lo Studio: Cosa Abbiamo Fatto e Cosa Abbiamo Scoperto

Nel nostro studio retrospettivo, abbiamo preso le scansioni PET/CT di 49 pazienti che avevano almeno una lesione polmonare (in totale ne abbiamo analizzate 141). Abbiamo generato le immagini PET simulate a diverse dosi (100%, 30%, 10%, 5%, 2%, 1%) sia nella versione “originale” rumorosa (non-denoised) sia in quella “ripulita” dall’AI (denoised). In totale, ben 588 ricostruzioni diverse!

Poi, abbiamo chiesto a due medici esperti (uno junior e uno senior, per avere punti di vista diversi) di guardare tutte queste immagini, in ordine casuale e senza sapere quale fosse la dose o se fosse stata applicata l’AI (lettura in cieco). Per ogni lesione, dovevano assegnare un punteggio di rilevabilità su una scala da 0 (negativa) a 3 (positiva). Abbiamo anche misurato parametri quantitativi come il SUVmax (un indice dell’attività metabolica della lesione).

I risultati? Davvero incoraggianti!

• Senza l’aiuto dell’AI, la capacità di distinguere correttamente lesioni maligne da quelle benigne (usando un punteggio dicotomico: positivo/negativo) si manteneva buona fino a una riduzione della dose al 30% rispetto allo standard.
• Con l’AI (denoising), siamo riusciti a spingerci fino al 10% della dose standard mantenendo una rilevabilità simile! Un risultato notevole.
• L’AI non solo ha permesso di usare dosi più basse, ma ha anche aumentato significativamente la confidenza diagnostica dei medici. Ha ridotto i casi dubbi (punteggi 1 “probabilmente negativo” e 2 “probabilmente positivo”), spostando i giudizi verso i punteggi più certi (0 “negativo” e 3 “positivo”). Questo è importantissimo nella pratica clinica!
• Anche i valori quantitativi (come il SUVmax) sono risultati più stabili e meno influenzati dal rumore nelle immagini trattate con AI, specialmente a dosi molto basse.

Attenzione: Non è Tutto Oro Quello Che Luccica

C’è un “ma”? Sì, una piccola avvertenza. Abbiamo notato che a dosi estremamente basse (2% e 1%), l’algoritmo di denoising, nel tentativo di ripulire l’immagine, a volte può interpretare il debole segnale residuo di una lesione molto piccola come se fosse rumore, finendo per “cancellarla” o attenuarla troppo. È un rischio da tenere in considerazione, soprattutto perché l’AI che abbiamo usato non era stata addestrata specificamente per riconoscere lesioni polmonari con [18F]-FDG, ma per un denoising più generico. Un addestramento mirato potrebbe migliorare ulteriormente le performance e ridurre questo rischio. Inoltre, è importante sottolineare che non abbiamo osservato la comparsa di lesioni “false positive” nelle immagini decimate o denoisate.

Prospettive Future: Verso uno Screening Più Sicuro ed Efficace?

Cosa ci dicono questi risultati? Che la combinazione di PET/CT a dose ridotta e denoising AI è tecnicamente fattibile e molto promettente per la rilevazione delle lesioni polmonari. Potrebbe aprire la strada all’uso della PET/CT in contesti dove oggi è limitata dalla dose di radiazioni, come appunto lo screening del cancro polmonare, magari migliorando la specificità rispetto alla sola LDCT e riducendo i falsi positivi.

Ovviamente, questo è uno studio di fattibilità tecnica. Non significa che da domani useremo tutti la PET/CT al 10% della dose per lo screening. Servono assolutamente ulteriori studi:

• Studi prospettici su popolazioni più ampie, includendo anche soggetti senza lesioni note.
• Confronti diretti con la LDCT, che rimane lo standard attuale per lo screening.
• Valutazioni su diversi tipi di scanner e con algoritmi AI magari addestrati specificamente per questo compito.
• Esplorare l’applicazione di queste tecniche anche in altri ambiti, come la pediatria (dove ridurre la dose è ancora più cruciale) o con altri traccianti PET emergenti.

In conclusione, abbiamo fatto un passo avanti interessante. Abbiamo visto che grazie ai progressi tecnologici e all’intelligenza artificiale, potremmo essere in grado di sfruttare la potenza diagnostica della PET/CT per la rilevazione delle lesioni polmonari usando dosi di radiazioni significativamente più basse. La strada è ancora lunga, ma la direzione sembra quella giusta per rendere la lotta contro il cancro al polmone ancora più efficace e sicura. Staremo a vedere cosa ci riserverà il futuro!

Fonte: Springer