Home > Riviste > Journal of Radiological Review > Fascicoli precedenti > Il Giornale Italiano di Radiologia Medica 2019 Gennaio-Febbraio;6(1) > Il Giornale Italiano di Radiologia Medica 2019 Gennaio-Febbraio;6(1):84-93

ULTIMO FASCICOLO
 

JOURNAL TOOLS

eTOC
Per abbonarsi
Sottometti un articolo
Segnala alla tua biblioteca
 

ARTICLE TOOLS

Publication history
Estratti
Permessi
Per citare questo articolo

 

REVIEW   

Il Giornale Italiano di Radiologia Medica 2019 Gennaio-Febbraio;6(1):84-93

DOI: 10.23736/S2283-8376.19.00166-9

Copyright © 2019 EDIZIONI MINERVA MEDICA

lingua: Italiano, Inglese

Intelligenza artificiale: cosa deve sapere il radiologo

Carmelo PRIVITERA 1, Antonio PINTO 2, Francesca COPPOLA 3, Lorenzo FAGGIONI 4 , Riccardo FERRARI 5, Alda BORRÈ 6, Paolo POGGI 7, Anna R. LARICI 8, Damiano CARUSO 9, Placido ROMEO 10, Palmino SACCO 11, Emanuele NERI 12, Stefania RIZZO 13, Roberto GRASSI 14

1 Vittorio Emanuele Hospital, “Policlinico Vittorio Emanuele” University Hospital, Catania, Italy; 2 Department of Radiology, C.T.O. Hospital, Azienda Ospedaliera dei Colli, Naples, Italy; 3 Department of Specialized, Diagnostic and Experimental Medicine (DIMES), S. Orsola Hospital, University of Bologna, Bologna, Italy; 4 Unit of Radiology 1, University Hospital of Pisa, Pisa, Italia; 5 Unit of Radiology I - DEA, Department of Emergency Acceptance Critical Area, San Camillo Forlanini Hospital, Rome, Italy; 6 Department of Radiology, CTO Hospital, Città della Salute e della Scienza di Torino University Hospital, Turin, Italy; 7 Central Service of Diagnostics for Images, ICS Maugeri S.p.A. SB, Pavia, Italy; 8 Institute of Radiology, “A. Gemelli” Policlinic, IRCCS Foundation, Sacred Heart Catholic University, Rome, Italy; 9 Unit of Radiology, Sant’Andrea University Hospital, Sapienza University, Rome, Italy; 10 San Vincenzo Hospital, ASP Messina, Taormina, Messina, Italy; 11 Unit of Diagnostics for Images (Di.O.C.), University Hospital, Siena, Italy; 12 Department of Translational Research, University of Pisa, Pisa, Italy; 13 Division of Radiology, European Institute of Oncology, Milan, Italy; 14 Department of Precision Medicine, University of Campania, Naples, Italy


PDF


L’intelligenza artificiale è una realtà comune in tutte le attività della vita dell’uomo contemporaneo. L’espressione “intelligenza artificiale” è oggi di comune impiego nella diagnostica per immagini, sia nella letteratura scientifica che in ambito divulgativo, in riferimento all’apprendimento automatico (machine learning) in generale e, più specificamente, alle reti neurali convoluzionali. Negli ultimi anni si sono registrati notevoli sviluppi tecnologici nel campo dell’apprendimento automatico, che hanno visto miglioramenti degli algoritmi di apprendimento profondo (deep learning) e ulteriori progressi nella velocità e nella capacità di memoria delle unità di elaborazione grafica, nonché un’importante crescita degli investimenti aziendali. L’apprendimento profondo ha trovato ampie applicazioni nel riconoscimento delle immagini, nel riconoscimento vocale e nell’elaborazione del linguaggio naturale, ma il suo impatto sull’assistenza sanitaria è ancora in uno stadio iniziale. In Radiologia, le applicazioni dell’intelligenza artificiale destano grande entusiasmo, ma anche viva preoccupazione nel timore che possano stravolgere il lavoro del Radiologo. I Radiologi, che sono stati in prima linea nell’era digitale in medicina, sono in una posizione unica per accogliere la rivoluzione dell’intelligenza artificiale nell’assistenza sanitaria in virtù del fatto di avere a propria disposizione un’immensa mole di dati. Di fatto, l’intelligenza artificiale offrirà ai Radiologi nuove opportunità di coinvolgimento diretto nella gestione dei pazienti, grazie sia alla disponibilità di un maggior tempo per la consultazione, sia all’evoluzione dell’imaging e dei processi di estrazione di dati utili ottenuti dalle immagini. D’altra parte, sussistono complessi ostacoli di ordine tecnico, normativo e medico-legale che limitano l’implementazione dell’apprendimento automatico in Radiologia, indicando che un’efficace sostituzione della figura professionale del Radiologo è probabilmente più difficile di quanto finora immaginato da taluni esperti non radiologi di gestione sanitaria e futurologi dell’informatica nell’arco dei prossimi vent’anni e oltre.


KEY WORDS: Intelligenza artificiale - Apprendimento automatico - Apprendimento profondo - Radiologia

inizio pagina