Un nuovo sistema di intelligenza artificiale (IA) sviluppato dall’Università del Michigan è in grado di analizzare le risonanze magnetiche (MRI) del cervello e fornire una diagnosi nel giro di pochi secondi. Secondo uno studio pubblicato su Nature Biomedical Engineering, il modello ha raggiunto una precisione fino al 97,5% nell’identificazione di patologie neurologiche ed è anche capace di stabilire quanto sia urgente l’intervento medico per ciascun paziente.
I ricercatori parlano di una tecnologia potenzialmente in grado di cambiare radicalmente la gestione dell’imaging cerebrale nei sistemi sanitari, soprattutto in un contesto in cui la domanda di esami diagnostici cresce più rapidamente delle risorse disponibili.
Si chiama Prima ed è già stata testata su decine di migliaia di esami
Il sistema è stato battezzato Prima dal suo ideatore, il neurochirurgo Todd Hollon. Nel corso di un anno, il team di ricerca ha testato l’IA su oltre 30.000 studi di risonanza magnetica, confrontandone le prestazioni con quelle di altri modelli avanzati.
I risultati mostrano che Prima ha ottenuto prestazioni superiori in più di 50 diverse diagnosi radiologiche, che coprono molte delle principali patologie neurologiche. Ma non solo: l’IA è in grado anche di assegnare una priorità clinica ai casi, distinguendo quelli che richiedono un intervento immediato da quelli meno urgenti.
Questo aspetto è cruciale per condizioni come ictus ed emorragie cerebrali, dove ogni minuto può fare la differenza. In questi casi, Prima può avvisare automaticamente lo specialista più adatto, come un neurologo o un neurochirurgo, subito dopo la conclusione dell’esame.
Non solo immagini: Prima “ragiona” come un radiologo
Dal punto di vista tecnico, Prima è un Vision Language Model (VLM), una categoria di IA in grado di elaborare contemporaneamente immagini, testo e dati contestuali. A differenza di molti sistemi precedenti, addestrati su dataset limitati e focalizzati su compiti specifici, Prima è stata istruita su un’enorme mole di dati reali.
Il team ha utilizzato tutte le risonanze magnetiche archiviate dall’Università del Michigan da quando i dati radiologici sono stati digitalizzati: oltre 200.000 studi MRI e 5,6 milioni di sequenze di imaging. A questi si aggiungono le storie cliniche dei pazienti e le motivazioni per cui i medici avevano richiesto l’esame.
In pratica, Prima non analizza solo le immagini, ma integra il contesto clinico, cercando di replicare il processo decisionale di un radiologo umano. Questo approccio consente al modello di essere più flessibile e più affidabile su una vasta gamma di scenari.
Una risposta concreta alla carenza di radiologi
Ogni anno vengono eseguite milioni di risonanze magnetiche nel mondo, molte delle quali dedicate a patologie neurologiche. Tuttavia, la disponibilità di specialisti in neuroradiologia non cresce allo stesso ritmo, soprattutto nei piccoli ospedali e nelle aree rurali.
Il risultato è un sistema sotto pressione: ritardi nelle diagnosi, carichi di lavoro elevati e maggiore rischio di errori. In alcuni casi, i pazienti devono attendere giorni prima di ricevere un referto.
Secondo i ricercatori, tecnologie come Prima potrebbero alleggerire il lavoro dei medici, fungendo da supporto intelligente nei momenti più critici e migliorando l’accesso ai servizi diagnostici anche nelle strutture con meno risorse.
Il futuro: un “ChatGPT” per l’imaging medico?
Nonostante i risultati promettenti, gli autori dello studio sottolineano che Prima è ancora in fase di valutazione iniziale. I prossimi passi includono l’integrazione con dati più dettagliati delle cartelle cliniche elettroniche, per affinare ulteriormente la precisione.
Todd Hollon descrive Prima come una sorta di “ChatGPT per l’imaging medico”: non uno strumento che sostituisce i medici, ma un copilota intelligente capace di supportarli nell’interpretazione degli esami.
In futuro, la stessa tecnologia potrebbe essere adattata anche ad altri tipi di imaging, come mammografie, radiografie del torace ed ecografie, aprendo la strada a un uso più esteso dell’IA nella diagnostica clinica.
