Un nuovo studio ha scoperto che un modello di apprendimento automatico diretto al consumatore per il rilevamento dei tumori della pelle classificava erroneamente i tumori rari e aggressivi come a basso rischio.
Le scoperte rivoluzionarie presentate oggi al 30° Congresso EADV suggeriscono che rendere le applicazioni basate su tali modelli disponibili direttamente al pubblico senza trasparenza nei parametri di prestazione per i tumori della pelle rari ma potenzialmente letali è eticamente discutibile.
Le app di screening del cancro della pelle direttamente al consumatore non riescono a rilevare tumori potenzialmente letali, secondo un nuovo studio
I ricercatori di Londra si sono concentrati su due tipi di cancro della pelle, il carcinoma a cellule di Merkel (MCC) e il melanoma amelanotico , entrambi tumori rari ma particolarmente aggressivi che tendono a crescere rapidamente e richiedono un trattamento precoce. Hanno creato un set di dati di 116 immagini di questi tumori rari e delle lesioni benigne cheratosi seborroica ed emangiomi e hanno valutato queste immagini con due modelli di apprendimento automatico.
Informazioni sul carcinoma a cellule di Merkel Il carcinoma a cellule di Merkel (MCC) è un raro tumore non melanoma molto aggressivo e in rapida crescita. Inizia nelle cellule di Merkel che producono ormoni, che di solito si trovano nello strato superiore della pelle e nei follicoli piliferi. Il MCC si presenta come noduli rosso-bluastri sulla pelle, che si trovano spesso sulla testa, sul collo, sulle braccia e sulle gambe, ma possono diffondersi ad altre parti del corpo. È principalmente associato alla luce ultravioletta, all’esposizione prolungata al sole e ai lettini abbronzanti, nonché a condizioni o trattamenti che indeboliscono il sistema immunitario e alle infezioni da poliomavirus. La prevalenza della CCM è compresa tra 0,2 e 0,45 casi ogni 100.000 abitanti. Informazioni sul melanoma amelanotico Il melanoma è un tipo di cancro della pelle che si sviluppa in cellule chiamate melanociti. Colpisce più frequentemente le persone anziane. Il melanoma amelanotico è raro e rappresenta circa l’8% di tutti i melanomi. Amelanotico significa senza melanina, un pigmento della pelle di colore scuro. A differenza di altri melanomi, i melanomi amelanotici sono generalmente rossi o color pelle anziché scuri. Spesso sono difficili da diagnosticare a causa della mancanza di colore e possono essere confusi con altre malattie della pelle. Pertanto, poiché la loro diagnosi è solitamente tardiva, sono associati ad una prognosi infausta. |
Il primo modello studiato era un dispositivo medico certificato, venduto direttamente al pubblico tramite l’app store e pubblicizzato come in grado di diagnosticare il 95% dei tumori della pelle (Modello 1). Il secondo modello era disponibile solo a scopo di ricerca ed è stato utilizzato come riferimento (modello 2).
I risultati hanno mostrato che il Modello 1 classificava erroneamente il 17,9% dei MCC e il 22,9% dei melanomi amelanotici come a basso rischio. A loro volta, il 62,2% delle lesioni benigne sono state classificate ad alto rischio.
Per il rilevamento di tumori maligni, la sensibilità del Modello 1 era del 79,4% [intervallo di confidenza al 95% (IC): 69,3-89,4%] e la specificità era del 37,7% [IC al 95%]. %: 24,7-50,8].
Per il Modello 2, l’MCC non è stato incluso nelle prime 5 diagnosi per nessuna delle 28 immagini MCC analizzate, suggerendo la possibilità che il modello non fosse stato addestrato sull’esistenza di questa classe di malattie.
L’alto tasso di falsi positivi nel Modello 1 ha conseguenze potenzialmente negative a livello personale e sociale.
I risultati sollevano una questione più ampia sulla sicurezza di altri modelli di rilevamento del cancro della pelle di intelligenza artificiale (AI) disponibili sul mercato.
Lloyd Steele, autore principale dello studio presso il Blizard Institute della Queen Mary University di Londra, Regno Unito, spiega: “Per migliorare, le valutazioni dei modelli di apprendimento automatico devono considerare lo spettro di malattie che verranno osservate nella pratica. "Al momento, la maggior parte delle prestazioni di questi modelli si basa sui dati di imaging disponibili, che sono particolarmente scarsi quando si tratta di tumori rari della pelle."
Una collaborazione globale tra gruppi di ricerca e ospedali potrebbe rappresentare un passo avanti per colmare il divario nei dati relativi all’imaging del cancro della pelle, che è un elemento cruciale per un tasso di apprendimento automatico ad alte prestazioni.
Marie-Aleth Richard, membro del consiglio di amministrazione dell’EADV e professoressa presso l’ospedale universitario La Timone di Marsiglia, ha dichiarato: "Il numero di app per lo screening del cancro della pelle disponibili per l’uso da parte dei consumatori è in crescita, ma come dimostrato in questa ricerca, deve esserci maggiore trasparenza sulla sicurezza". e l’efficacia di queste applicazioni. Inoltre, questi dispositivi rilevano solo ciò che è stato dimostrato loro di analizzare e non eseguono un’analisi sistematica dell’intera superficie cutanea. Non essere trasparenti potrebbe mettere a rischio la vita”.
