Beatrice Alessandra Bressan e Maria Evelina Fantacci

Dipartimento di Fisica e Sezione INFN di Pisa

CALMA oggi è molto di più che la virtù dei forti. È Computer Assisted Library for MAmmography, un esperimento INFN che dal 1998 ha messo insieme fisici e medici [nota1] per la realizzazione di un nuovo software per la diagnosi precoce, che permetta di contrastare efficacemente una delle patologie più preoccupanti del nostro secolo: il tumore al seno.

Il carcinoma mammario è una delle principali cause di mortalità, nonché la prima causa di morte per tumore nella popolazione femminile dei paesi occidentali. Tale mortalità può essere ridotta quando la patologia viene diagnosticata prima che se ne manifestino i sintomi. A questo scopo sono stati introdotti negli ultimi decenni programmi di screening che consistono nel sottoporre ad esame mammografico donne di età compresa fra 49 e 69 anni. Grazie a questi programmi, che hanno comportato un notevole impiego di risorse economiche ed umane ed uno sforzo organizzativo non indifferente, la mortalità per tumore al seno si è notevolemente ridotta nonostante un aumento dell’incidenza.

La mammografia infatti è attualmente considerata l’unico strumento diagnostico in grado di rivelare precocemente la presenza di un cancro. Si pensi che grazie a questo esame la percentuale di malati riconosciuti come tali può variare dal 73 all’88%, mentre quella di persone sane correttamente classificate dall’83 al 92%. Tali valori inoltre possono subire un incremento compreso fra il 2 e il 10% nel caso in cui la lettura venga effettuata da due radiologi in maniera indipendente, ovvero con modalità “in doppio cieco”, come si usa dire in ambiente medico.

A questo proposito si pensa di sostituire al secondo radiologo un sistema computerizzato. Si tratta di un’idea che risale alla fine degli anni ‘60 e che oggi, grazie ai progressi ottenuti sia nel campo degli strumenti di calcolo sia in quello degli sviluppi software, può divenire realtà nella routine clinica. I ricercatori di CALMA stanno sviluppando un software per CAD (Computer Aided Detection) di analisi automatica delle immagini mammografiche in grado di costituire un supporto per il radiologo, che comunque rimane autore e responsabile della diagnosi. Per questo sviluppo è stato necessario acquisire il database CALMA (Fig.1) che attualmente contiene circa 5000 immagini digitali, corrispondenti a circa 1400 pazienti degli ospedali coinvolti nel progetto, complete di referto radiologico ed eventuali dati istologici.

La strategia generale seguita per la realizzazione del CAD comprende varie fasi: inizialmente vengono selezionate le regioni che contengono informazioni utili ai fini dell’analisi; vengono poi scelte le caratteristiche più significative di tali regioni che in seguito vengono elaborate fino a produrre una classificazione valida per l’immagine di partenza. Per l’elaborazione e la classificazione vengono utilizzate reti neurali artificiali (ovvero tecniche che si ispirano ai processi di apprendimento umano) costituite di unità funzionali, dette appunto “neuroni”, che possono assumere vari ruoli ed essere organizzati in varie architetture. Affinché tali reti funzionino è necessario che vengano “educate” mediante una fase di apprendimento, nella quale si realizza un addestramento iterativo dei parametri interni di connessione fra neuroni. L’addestramento può essere fatto attraverso reti supervisionate, cioè con esempi forniti di risposta corretta, oppure attraverso reti non supervisionate (o reti di Sanger), cioè con esempi utili a tale processo ma privi dell’informazione sulla risposta corretta.

Tecniche così sofisticate sono state inizialmente sviluppate per applicazioni di fisica sperimentale e vengono da tempo largamente utilizzate anche da numerosi esperimenti INFN. Si pensi ad esempio all’utilizzo delle reti neurali nei sistemi di trigger di alcuni esperimenti presso i grandi acceleratori di particelle ed ai problemi di analisi d’immagine nella ricostruzione degli eventi in fisica delle alte energie, al riconoscimento delle sorgenti luminose in astrofisica.

Quali sono dunque le figure che il CAD deve essere in grado di riconoscere in una mammografia? I segni radiologici che possono rivelare precocemente la presenza di un cancro sono di due tipi: le lesioni massive e le microcalcificazioni. Le prime sono rappresentate da oggetti relativamente grandi (circa 2 cm di diametro medio) che si presentato con un contrasto molto basso che li rende difficilmente riconoscibili rispetto al tessuto circostante; la collaborazione CALMA si è concentrata soprattutto sulle lesioni massive stellate, così chiamate perché si presentano con una forma che ricorda appunto quella di una stella (Fig. 2).

Le microcalcificazioni sono invece oggetti piccoli (tra 0,1 e 1,0 mm) ma molto brillanti, che si presentano cioé con un contrasto assai elevato, e possono essere isolate o raggruppate in cluster (Fig. 3).

Un’ulteriore complicazione è causata dal fatto che questi oggetti devono essere evidenziati rispetto a tessuti che possono avere caratteristiche molto variabili. Per questo motivo è stata effettuata in primo luogo un’analisi del tessuto mammario secondo una classificazione in tre categorie (denso, adiposo e ghiandolare), indicata dai radiologi stessi, come riportata in tabella 1. Mediante l’analisi effettuata per la ricerca delle lesioni stellate è possibile selezionare le zone sospette con una riduzione a circa un decimo della quantità di dati da sottoporre ad analisi più approfondita. Per quanto riguarda la ricerca dei clusters di microcalcificazioni i risultati ottenuti sono riassunti nel grafico riportato in Fig. 4.

Tutti i programmi necessari all’analisi automatica delle mammografie, insieme a quelli utilizzati dai radiologi per la digitalizzazione, l’archiviazione, la visualizzazione e la refertazione, sono integrati in un’unica stazione costituita da uno scanner ed un personal computer che permette l’acquisizione (inserimento dei dati del paziente e delle immagini), la consultazione e l’analisi statistica. In particolare, il radiologo può indicare e descrivere le lesioni, inserire eventuali referti istologici e citologici, visualizzare le immagini (con zoom, windowing, inversione, ecc.), oltre a poter usufruire del CAD e delle analisi statistiche per studi epidemiologici. Nella Fig. 5 è riportato un esempio di risposta del CAD. Questo sistema può inoltre rivestire un’importanza propedeutica in campo didattico, in quanto permette la creazione di percorsi personalizzati.

Certo non si può dire che la scienza se la sia presa con calma. Al contrario, attualmente CALMA è in fase di verifica clinica presso alcuni ospedali italiani a Napoli, Palermo, Sassari ed Udine, dove viene utilizzato attivamente dai colleghi medici. E allora arrivederci per le prossime novità dai nostri radiologi.