I Patologi di tutto il mondo si stanno affidando sempre più alle tecnologie legate al Medical Imaging. Queste tecnologie, attraverso la creazione di file (WSI), permettono di creare rappresentazioni digitali delle analisi cliniche di tessuti tumorali, consentendo ai medici di effettuare prognosi e diagnosi sempre più veloci ed affidabili.
I file WSI trovano ampio utilizzo nell’istopatologia digitale: l'indagine microscopica dei tessuti, della loro morfologia e delle possibili alterazioni tumorali dovute alla progressione e allo sviluppo del cancro. In particolare, confrontando le immagini di tessuto canceroso con quello di cellule sane, è possibile classificare il grado e lo stadio di un tumore.
I confronti sono possibili grazie all’utilizzo di alcuni classificatori sviluppati prevalentemente attraverso la tecnica del Deep Learning. Grazie ad una struttura stratificata il classificatore riesce, in autonomia, a ricercare le caratteristiche e i pattern tumorali con grande precisione e accuratezza.
Questa recente tecnologia, basata essenzialmente sull’utilizzo di reti neurali di tipo CNN, come ad esempio la ResNet50, risolve il problema della perdita delle informazioni durante la fase di training effettuata su un dataset di migliaia di immagini.
I più recenti classificatori, sviluppati da studenti dell’Università Federico II di Napoli, riescono a identificare più categorie di tessuto come: normale, benigno, in situ o invasivo. Si è riusciti così a raggiungere un’accuratezza massima del 98%, risultato che si spera di superare ulteriormente.
Tra i possibili sviluppi futuri si pensa sicuramente al mobile. E’ infatti prevista la nascita di app che possano integrare al loro interno un classificatore mobile con un servizio di messaggistica, utile per un celere scambio di pareri tra patologi.