I ricercatori dell'ETH utilizzano l'intelligenza artificiale per migliorare la qualità delle immagini registrate con un metodo di imaging biomedico relativamente nuovo. Questo apre la strada a diagnosi più accurate e dispositivi convenienti.

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 giovane può essere utilizzata per applicazioni come la visualizzazione di vasi sanguigni, studiare l'attività cerebrale, caratterizzare le lesioni cutanee e diagnosticare il cancro al seno. Però, la qualità delle immagini renderizzate dipende molto dal numero e dalla distribuzione dei sensori utilizzati dal dispositivo:più di essi, migliore è la qualità dell'immagine. Il nuovo approccio messo a punto dai ricercatori dell'ETH consente una sostanziale riduzione del numero di sensori senza rinunciare alla qualità dell'immagine risultante. Ciò consente di ridurre il costo del dispositivo, aumentare la velocità di imaging o migliorare la diagnosi.

L'optoacustica (vedi riquadro) è simile per alcuni aspetti all'ecografia. In quest'ultimo, una sonda invia onde ultrasoniche nel corpo, che vengono riflessi dal tessuto. I sensori nella sonda rilevano le onde sonore di ritorno e successivamente viene generata un'immagine dell'interno del corpo. Nell'imaging optoacustico, impulsi laser molto brevi vengono invece inviati nel tessuto, dove vengono assorbiti e convertiti in onde ultrasoniche. Analogamente all'ecografia, le onde vengono rilevate e convertite in immagini.

Correzione delle distorsioni dell'immagine

Il team guidato da Daniel Razansky, Professore di imaging biomedico presso l'ETH di Zurigo e l'Università di Zurigo, ha cercato un modo per migliorare la qualità dell'immagine dei dispositivi optoacustici a basso costo che possiedono solo un piccolo numero di sensori a ultrasuoni.

Per fare questo, hanno iniziato utilizzando uno scanner optoacustico di fascia alta auto-sviluppato con 512 sensori, che ha fornito immagini di qualità superiore. Hanno fatto analizzare queste immagini da una rete neurale artificiale, che è stato in grado di apprendere le caratteristiche delle immagini di alta qualità.

Prossimo, i ricercatori hanno scartato la maggior parte dei sensori, in modo che rimanessero solo 128 o 32 sensori, con un effetto negativo sulla qualità dell'immagine. A causa della mancanza di dati, nelle immagini sono apparse distorsioni note come artefatti di tipo striato. Si è scoperto, però, che la rete neurale precedentemente addestrata era in grado di correggere in gran parte queste distorsioni, avvicinando così la qualità dell'immagine alle misure ottenute con tutti i 512 sensori.

In optoacustica, la qualità dell'immagine aumenta non solo con il numero di sensori utilizzati, ma anche quando l'informazione viene catturata da più direzioni possibili:più grande è il settore in cui i sensori sono disposti intorno all'oggetto, migliore è la qualità. L'algoritmo di apprendimento automatico sviluppato è riuscito anche a migliorare la qualità delle immagini registrate solo da un settore strettamente circoscritto. "Questo è particolarmente importante per le applicazioni cliniche, poiché gli impulsi laser non possono penetrare nell'intero corpo umano, quindi la regione dell'immagine è normalmente accessibile solo da una direzione, "Secondo Razansky.

Facilitare il processo decisionale clinico

Gli scienziati sottolineano che il loro approccio non si limita all'imaging optoacustico. Poiché il metodo opera sulle immagini ricostruite, non i dati grezzi registrati, è applicabile anche ad altre tecniche di imaging. "In pratica puoi utilizzare la stessa metodologia per produrre immagini di alta qualità da qualsiasi tipo di dati sparsi, " Dice Razansky. Spiega che i medici devono spesso affrontare la sfida di interpretare le immagini di scarsa qualità dei pazienti. "Mostriamo che tali immagini possono essere migliorate con i metodi di intelligenza artificiale, rendendo più facile ottenere una diagnosi più accurata."

Per Razanskij, questo lavoro di ricerca è un buon esempio di come possono essere utilizzati i metodi esistenti di intelligenza artificiale. "Molte persone pensano che l'IA potrebbe sostituire l'intelligenza umana. Questo è probabilmente esagerato, almeno per la tecnologia AI attualmente disponibile, " dice. "Non può sostituire la creatività umana, eppure può liberarci da qualche laboriosa, compiti ripetitivi».

Nella loro ricerca attuale, gli scienziati hanno utilizzato un dispositivo di tomografia optoacustica personalizzato per piccoli animali, e ha addestrato gli algoritmi di apprendimento automatico con le immagini dei topi. Il prossimo passo sarà applicare il metodo alle immagini optoacustiche di pazienti umani, dice Razanskij.

Rivelando la funzione dei tessuti

A differenza dell'optoacustica (nota anche come fotoacustica), molte tecniche di imaging, come gli ultrasuoni, raggi X o risonanza magnetica, sono principalmente adatti per visualizzare alterazioni anatomiche nel corpo. Per ricevere ulteriori informazioni funzionali, per esempio riguardo al flusso sanguigno o ai cambiamenti metabolici, al paziente devono essere somministrati mezzi di contrasto o traccianti radioattivi prima dell'imaging. In contrasto, il metodo optoacustico può visualizzare informazioni funzionali e molecolari senza introdurre agenti di contrasto. Un esempio sono i cambiamenti locali nell'ossigenazione dei tessuti, un importante punto di riferimento del cancro che può essere utilizzato per la diagnosi precoce. Il contenuto di lipidi nei vasi sanguigni è un altro potenziale marker di malattia, che può aiutare una diagnosi precoce delle malattie cardiovascolari.

Dovrebbe essere notato, però, che perché le onde luminose utilizzate nell'imaging optoacustico, a differenza di altre onde, non penetrare completamente nel corpo umano, il metodo è adatto solo per indagare i tessuti fino a una profondità di pochi centimetri sotto la pelle.