Prioritizzazione delle radiografie del torace basata su IA nel percorso diagnostico del cancro ai polmoni: lo studio randomizzato controllato LungIMPACT

Perché questo studio è importante per i pazienti

Il cancro al polmone è uno dei tumori più letali in parte perché viene spesso scoperto in fase avanzata. Molti sperano che l’intelligenza artificiale possa segnalare rapidamente le radiografie del torace sospette in modo che le persone ottengano prima le indagini e le cure necessarie. Questo ampio trial ha valutato se l’uso dell’IA per spostare in cima alla lista le radiografie sospette nel Servizio Sanitario Nazionale del Regno Unito accelerasse realmente la diagnosi di cancro al polmone. La risposta offre un importante controllo di realtà su come l’IA dovrebbe essere impiegata nell’assistenza sanitaria quotidiana.

Come viene solitamente scoperto il cancro al polmone

Per molte persone, il primo passo verso una diagnosi di cancro al polmone è una radiografia del torace richiesta dal medico di base. Se la radiografia appare anormale o il paziente è ad alto rischio, dovrebbe essere eseguita rapidamente una scansione più dettagliata chiamata TC e il paziente dovrebbe vedere rapidamente gli specialisti. Le linee guida nazionali in Inghilterra raccomandano che una TC avvenga idealmente entro tre giorni da una radiografia sospetta, ma la pressione su apparecchiature e personale spesso causa ritardi. Queste attese possono peggiorare gli esiti e provocare grande ansia nei pazienti che restano in sospeso in attesa dei risultati.

Cosa doveva fare il sistema di IA

I ricercatori hanno testato un programma di IA che analizza le radiografie del torace non appena vengono eseguite. In alcuni giorni, se l’IA riteneva che una radiografia potesse essere anormale, quel caso veniva portato in cima alla lista di lavoro della radiologia per una rapida revisione umana. In altri giorni, le marcature dell’IA erano comunque visibili al personale, ma non c’era alcuna prioritarizzazione speciale. Sono state incluse più di 93.000 radiografie provenienti da quasi 87.000 adulti in cinque gruppi ospedalieri del NHS. Le domande principali erano se la prioritizzazione da parte dell’IA riducesse i tempi fino alla TC e alla conferma della diagnosi di cancro al polmone rispetto alla pratica usuale.

Cosa ha effettivamente rilevato il trial

Nonostante la dimensione dello studio, la prioritizzazione da parte dell’IA non ha accelerato i passaggi chiave nel percorso del cancro al polmone. Tra oltre 13.000 persone che hanno poi eseguito una TC, il tempo tipico dall’esame radiografico alla TC è stato di 53 giorni sia con sia senza prioritizzazione da parte dell’IA. Tra le 558 persone diagnosticate con cancro al polmone, il tempo mediano dalla radiografia alla diagnosi è stato di circa un mese e mezzo in entrambi i gruppi. Non sono state riscontrate differenze significative neppure nella rapidità dei ricoveri urgenti, nell’inizio dei trattamenti o nello stadio in cui i tumori sono stati individuati. L’IA ha contribuito ad accorciare il tempo dalla radiografia al referto scritto, ma questa riduzione non è stata sufficiente a cambiare le fasi successive per i pazienti.

Cosa ha fatto bene e cosa ha sbagliato l’IA

Il team ha esaminato attentamente i casi in cui l’IA e i lettori umani non erano d’accordo. Tale discordanza è avvenuta in circa una radiografia su tre. I revisori esperti hanno giudicato che in quasi un quarto di questi casi discordanti c’erano reperti importanti che richiedevano qualche azione, inclusi molti tumori diagnosticati in seguito. Complessivamente, l’IA ha rilevato la maggior parte dei tumori in categorie come ombre evidenti, ma ha anche prodotto un numero notevole di falsi allarmi e ha mancato una piccola frazione di tumori, in particolare noduli sottili. Questi controlli supplementari possono aggiungere lavoro al personale già impegnato e comportare il rischio di affaticamento da allerta, per cui avvisi frequenti rendono le persone meno reattive nel tempo.

Cosa significa per il futuro dell’IA nelle cliniche

Il messaggio principale di questo trial è che limitarsi a usare l’IA per riordinare le radiografie nella coda di refertazione non accelera, di per sé, la diagnosi di cancro al polmone in un percorso assistenziale già consolidato. Qualsiasi vantaggio derivante da referti più rapidi generati dal computer è stato limitato da colli di bottiglia del mondo reale, come la disponibilità delle apparecchiature e la capacità delle cliniche. Gli autori concludono che gli strumenti di IA per le radiografie del torace non dovrebbero essere diffusi solo per la prioritizzazione delle liste in questo contesto. Occorre invece che i futuri sforzi esplorino come combinare l’IA con cambiamenti più ampi del percorso, come decisioni in giornata e pacchetti di esami, e come essa possa supportare al meglio il giudizio umano attento anziché sostituirlo.

Citazione: Woznitza, N., Smith, L., Rawlinson, J. et al. AI-based chest X-ray prioritization in the lung cancer diagnostic pathway: the LungIMPACT randomized controlled trial. Nat Med 32, 1737–1744 (2026). https://doi.org/10.1038/s41591-026-04253-5

Parole chiave: cancro al polmone, radiografia del torace, IA medica, percorsi diagnostici, trial clinici