Google sta supportando attivamente lo sviluppo di un'intelligenza artificiale che possa aiutare i medici a meglio identificare i casi di tumore al seno, attualmente il più diffuso al mondo assieme al tumore al polmone. La diagnosi precoce è la migliore arma nel combattere questa patologia e oggi lo strumento più comune per effettuare le analisi opportune è il mammografo, che tuttavia soffre di qualche problema significativo con falsi positivi e falsi negativi e ha un tasso d'errore del 20% circa nel complesso.

In uno studio finanziato da Google e i cui risultati sono stati pubblicati sull'ultima edizione di Nature e illustrati sul blog ufficiale della società di Mountain View, i ricercatori hanno usato un database di informazioni costituito da 28 mila mammografie: 25 mila di queste di donne del Regno Unito, mentre le restanti 3 mila di donne statunitensi. I ricercatori hanno allenato l'AI nell'esaminare le immagini a raggi-x dei mammografi e in seguito per individuare segni di tumore osservando i cambiamenti al seno del campione. Le supposizioni dell'AI sono state poi confrontate con l'esito finale dei casi reali.

In questo modo il sistema è stato in grado di ridurre i falsi negativi del 9,4% e i falsi positivi del 5,7% per il campione statunitense. Per quanto riguarda il campione del Regno Unito il modello ha ridotto i falsi negativi del 2,7% e i falsi positivi dell'1,2%, questo perché di norma nel Regno Unito sono due radiologi a controllare le immagini della mammografia. Sebbene il sistema abbia mostrato la capacità di raggiungere un risultato più accurato nel complesso, non sono mancati i casi in cui i medici hanno con successo identificato un tumore laddove l'AI non è riuscita a rilevarlo.

E proprio questo è il motivo per cui Google inquadra questo progetto come una risorsa che si possa affiancare, nella pratica clinica, ai radiologi per aiutarli a migliorare le diagnosi. Entrambi hanno i propri punti di forza, che combinati possono portare ad un miglioramento dei risultati complessivi. I ricercatori ora stanno lavorando per capire se il funzionamento del modello possa essere generalizzato verso la popolazione più vasta, perché ovviamente c'è sempre qualhe differenza nel momento in cui si applica un sistma di questo tipo alla pratica clinica nel mondo reale.