Un modello di base per lo screening di tumori al seno e al polmone mediante tomografia computerizzata senza contrasto

Perché una singola scansione per due tumori è importante

Lo screening per il cancro funziona di solito come una serie di controlli separati: un test per i polmoni, un altro per il seno, ciascuno dei quali aggiunge tempo, costi ed esposizione a radiazioni. Questo studio esplora un'idea diversa: se una singola, ampiamente usata TC del torace potesse contemporaneamente verificare in modo discreto la presenza di tumore al polmone e al seno, con l’aiuto dell’intelligenza artificiale (IA). Se efficace, un approccio del genere potrebbe trasformare le scansioni routinarie in una rete di sicurezza a doppia funzione, specialmente negli ospedali affollati e nelle regioni con risorse limitate.

Un nuovo tipo di esploratore digitale del cancro

I ricercatori hanno sviluppato un sistema di IA chiamato OMAFound che impara a "leggere" scansioni TC toraciche tridimensionali. A differenza degli strumenti tradizionali addestrati in modo ristretto su un singolo organo, questo sistema prima studia oltre 200.000 scansioni non etichettate provenienti da più di 58.000 persone, imparando semplicemente come appaiono in generale i toraci sani e malati. Questo preaddestramento ampio permette all’IA di cogliere pattern sottili su tutto il torace. Il team ha poi aggiunto set di dati più piccoli e etichettati che indicano se ogni paziente in seguito si è dimostrato affetto da tumore al seno, tumore al polmone o nessuno dei due, insegnando al modello a trasformare la sua comprensione generale delle immagini in predizioni concrete sul cancro.

Insegnare a un sistema a sorvegliare due organi

Sopra il nucleo condiviso di lettura delle immagini, il team ha costruito due diramazioni focalizzate: una sintonizzata sui segni del cancro al seno e una sui segni del cancro al polmone. Hanno addestrato e testato queste diramazioni su TC provenienti da più di 150.000 pazienti di diversi ospedali cinesi e set di dati internazionali. Per il tumore al seno hanno anche sviluppato un sistema di IA separato che legge le mammografie, il test di screening standard attuale, in modo da poter confrontare equamente l’IA basata su TC con la pratica consolidata nelle stesse donne. In test affiancati su donne che avevano entrambi i tipi di immagini, l’IA sulle mammografie è risultata leggermente più accurata nel complesso, ma la diramazione basata su TC per il seno era più sensibile—catturando più tumori—mentre la mammografia era migliore nel ridurre i falsi allarmi.

Dai reperti sull’organo a risposte sul paziente intero

Considerare ogni organo in isolamento può essere fuorviante: se entrambe le diramazioni indicano "possibile cancro", la combinazione potrebbe suggerire in modo irrealistico due tumori separati nella stessa persona. Per evitare questo, i ricercatori hanno creato un terzo modulo di IA che fonde le informazioni dalle viste di seno e polmone dello stesso esame TC e decide se, a livello complessivo, il paziente è probabile abbia un cancro. Questa visione a livello di paziente segue la realtà clinica, dove le persone hanno molto più spesso un singolo tumore, se presente. Tra le donne nei set di test, questa strategia combinata ha offerto il miglior equilibrio—alta sensibilità verso i tumori esistenti mantenendo il controllo sui falsi positivi—superando metodi matematici semplici di fusione degli output a livello di organo.

Testare il sistema nello screening nel mondo reale

Per valutare come OMAFound funziona fuori dal laboratorio, il team ha condotto uno studio prospettico in quattro centri medici, seguendo più di 21.000 persone che si sono presentate per lo screening TC toracico a bassa dose. Negli uomini, dove è rilevante solo il cancro al polmone, il sistema ha bilanciato correttamente rilevamento e falsi allarmi in circa l’86% dei casi. Nelle donne, ha raggiunto accuratezze bilanciate di circa l’82% per il cancro al seno, l’88% per il cancro al polmone e l’83% nel decidere se una donna avesse qualsiasi tipo di cancro. I ricercatori hanno anche chiesto a sette radiologi generalisti di leggere un campione impegnativo di scansioni, prima da soli e poi con i punteggi di rischio e le mappe di calore di OMAFound che evidenziavano le aree di interesse. Con l’assistenza dell’IA, la capacità dei radiologi di individuare i tumori è aumentata nettamente—soprattutto per i tumori del seno—mentre la tendenza a sovradiagnosticare casi non tumorali non è aumentata.

Cosa potrebbe significare per la cura di tutti i giorni

Nel complesso, lo studio suggerisce che una singola TC toracica a bassa dose, già ampiamente usata per i controlli polmonari, potrebbe offrire anche un livello aggiuntivo di screening per il tumore al seno se abbinata a un solido sistema di IA. OMAFound non sostituisce la mammografia né il giudizio esperto, ma potrebbe segnalare precocemente le persone ad alto rischio e aiutare i clinici sovraccarichi a concentrare l’attenzione dove è più necessario. Trasformando un’esame comune in un sistema di sorveglianza multi-tumore, l’approccio indica la strada verso programmi di screening più efficienti, più accessibili e potenzialmente più salvavita, senza aggiungere test, costi o esposizione radiologica extra.

Citazione: Liang, Z., Niu, Q., Wang, J. et al. A foundation model for breast and lung cancer screening using non-contrast computed tomography. Nat. Health 1, 403–415 (2026). https://doi.org/10.1038/s44360-026-00055-8

Parole chiave: screening multi-tumore, TC a bassa dose, cancro al seno, cancro al polmone, intelligenza artificiale medica