Mappatura 3D e intelligenza artificiale per la diagnosi del melanoma

Attualmente non sono disponibili apparati in grado di attuare in maniera unitaria la totalità delle soluzioni e output che prevede il sistema proposto. Esistono sistemi che forniscono dati tridimensionali della cute, ma non includono dati termografici e non forniscono una classificazione dei nevi secondo un indice di pericolosità. Esistono poi sistemi che forniscono la classificazione dei nevi, ma sono limitati ad immagini bidimensionali in luce non polarizzata. I formati di output delle indagini diagnostiche spesso derivano da software proprietari, risultando pertanto non interoperabili.

Oggi la diagnosi di melanomi cutanei è quindi caratterizzata da un elevato grado di soggettività, proprio perché questi strumenti non sono in grado di effettuare misure accurate di molti nevi nel tempo limitato di una visita. Essendo basate esclusivamente sull’analisi visiva e sulla dermatoscopia lo screening non è ottimale perché non tiene conto dell’evoluzione della cute del paziente nel tempo.

La valutazione sull’opportunità di effettuare una biopsia dipende quindi largamente dall’esperienza del dermatologo, che non dispone di un supporto di dati oggettivi e automatizzati: le biopsie – o ulteriori modalità di approfondimento diagnostico – possono dunque risultare negative (in caso di analisi di melanomi non realmente sospetti), parziali o tardive (in caso di nevi sospetti non individuati per tempo).

Il prototipo, attualmente in uso per la validazione clinica sperimentale presso l’Istituto Oncologico Veneto – IRCCS, è in grado di acquisire dati relativi alla cute della schiena del paziente, grazie ai dati forniti da 12 fotocamere sincronizzate (operanti in luce polarizzata) e da una termocamera, posizionate su telaio curvato e mobile.

La restituzione dell’indice di rischio associato a ciascun neo avviene grazie al lavoro delle reti neurali convoluzionali (CNN) che classificano le informazioni acquisite durante lo screening sulla base delle informazioni acquisite durante il training e dal confronto con screening precedenti.

I dati acquisiti includono:

• Dati fotografici;
• Modellazione fotogrammetrica, che restituisce la geometria dei nevi ottenuta da immagini in luce polarizzata con risoluzione 0,2mm;
• Fusione dei dati cromatici e termici;
• Correlazione del dato termografico con il livello di vascolarizzazione;
• Confronto con screening da precedente visita per individuare variazioni.

Il sistema fornisce in uscita in formato DICOM:

• Il modello 2D della cute, con indicazione dell’indice di rischio di melanoma per ciascuna lesione individuata;
• Ll’insieme dei dati caratterizzanti i sospetti melanomi identificati come avente maggiore fattore di rischio.

Il formato DICOM è universalmente utilizzato per la gestione dei dati di diagnostica per immagini e non richiede software proprietari per la consultazione. L’insieme di questi output permette quindi una chiara e oggettiva valutazione dell’evoluzione nel tempo di molti nevi in poco tempo, oltre ad una valutazione del grado di pericolosità.

L’attuale prototipo della tecnologia, finanziato in parte dal MISE con il programma Proof of Concept (PoC), comprende:

• un telaio di supporto incurvato e mobile;
• nuove fotocamere dotate di filtri polarizzatori, per la caratterizzazione della vascolarizzazione e quindi nel miglioramento della capacità diagnostica;
• sviluppo software per fornire il modello 3D dell’intera cute e i modelli 2.5D di tutti i nevi riconosciuti;
• l’esecuzione del training con approccio transfer learning della CNN sulla base della sperimentazione clinica e dei database disponibili.

È in corso la validazione clinica presso l’Istituto Oncologico Veneto. In futuro il dispositivo potrà analizzare porzioni più ampie di cute attraverso un sistema di acquisizione che rilevi l’intero corpo. TRL: 6/7. Futuri sviluppi richiederanno l’intervento di un’azienda specializzata in apparecchi di imaging per scopi medici.