Come osserviamo Giornata mondiale della radiologia, rendiamo omaggio al profondo impatto che la radiologia ha avuto sulla medicina moderna. Celebrando questa occasione, abbiamo il privilegio di presentare una conversazione con Dott.ssa Regina Beets-Tan, MD, PhD, illustre direttore del Dipartimento di Radiologia presso il Netherlands Cancer Institute di Amsterdam.  

La Dott.ssa Beets-Tan porta con sé una vasta esperienza nella nostra discussione sulle innovazioni tecnologiche che non vede l'ora di vedere ai prossimi congressi di radiologia, il suo punto di vista su Il ruolo dell'intelligenza artificiale nel settore e le sue riflessioni sull'assistenza sanitaria incentrata sul paziente. 

La sua competenza e la sua leadership hanno spinto tecniche di imaging innovative e ha migliorato la diagnosi e il trattamento del cancro, offrendo un raggio di speranza ai pazienti di tutto il mondo. 

Tecnologie emergenti

Con la continua evoluzione delle tecnologie di imaging, quali innovazioni emergenti ti aspetti con maggiore entusiasmo dai prossimi congressi di radiologia? 

Sono davvero entusiasta dell'opportunità di stare al passo con le innovazioni all'avanguardia che si stanno verificando nella nostra disciplina. La continua evoluzione dell'imaging è un viaggio straordinario. Stiamo vivendo un momento di trasformazione in Radiologia. L'imaging guida sempre di più il trattamento e hanno un profondo impatto sul risultato del paziente. Un'area che aspetto sempre con ansia è il progresso nelle modalità di imaging avanzate, sia nell'imaging diagnostico che in quello interventistico. Nuovi sviluppi, come i progressi nelle tecnologie di TC spettrale e conteggio dei fotoni, così come Ricostruzione basata sull'intelligenza artificiale nella risonanza magneticastanno rivoluzionando non solo i flussi di lavoro clinici ma, cosa più importante, la diagnosi e il follow-up delle malattie, soprattutto in settori come l'oncologia.

Un ambito di particolare interesse per me è lo sviluppo dell'intelligenza artificiale (AI) in radiologiaNuovi modelli linguistici di grandi dimensioni (LLM) applicati alla radiologia per semplificare l'attività di refertazione, nonché il modo in cui l'intelligenza artificiale può essere utilizzata per fornire maggiori informazioni sul cancro, che collega l'imaging agli endpoint clinici, sono le mie applicazioni preferite. Non vedo l'ora di impegnarmi in discussioni con i leader del settore su queste innovazioni emergenti, imparare dall'esperienza dei miei colleghi ed esplorare il potenziale dell'intelligenza artificiale per migliorare l'assistenza ai pazienti e far progredire la pratica della radiologia.

AI e apprendimento automatico

In che modo ritiene che l'integrazione tra intelligenza artificiale e apprendimento automatico possa plasmare il futuro della radiologia e quali argomenti di discussione prevede che si terranno in merito a queste tecnologie? 

Credo che stiamo vivendo un momento di grande slancio in Europa per quanto riguarda lo sviluppo di infrastrutture di condivisione dati per l'imaging medico. Queste infrastrutture hanno il potenziale per guidare progressi sostanziali in modelli di intelligenza artificiale innovativi per applicazioni oncologiche. Un esempio eccellente di questo progresso è Piattaforma Cancer Image Europe, un progetto dell'UE cofinanziato dalla Commissione Europea, coordinato dall'Istituto europeo di ricerca sull'imaging biomedico (EIBIR) e guidato dal Prof. Luis Marti-Bonmati dell'Ospedale Universitario I Politècnic La Fe di Valencia, Spagna.

Sono ansioso di imparare da iniziative simili che si svolgono fuori dall'Europa e di capire come affrontano considerazioni globali come la privacy dei dati, la sostenibilità e la collaborazione tra mondo accademico e industria. Le capacità attuali in L'implementazione dell'intelligenza artificiale si basa in larga misura sull'infrastruttura e sulla tecnologia forniti dai leader del settore, consentendo l'elaborazione ad alte prestazioni e l'addestramento di modelli di intelligenza artificiale su larga scala.

La radiologia dovrebbe puntare a stabilire connessioni con i suoi partner: altri professionisti del settore medico, scienziati, decisori politici e partner industriali, tra cui l'industria biofarmaceutica e i fornitori di tecnologia.

Oltre alle basi dei dati e delle infrastrutture per l'intelligenza artificiale, sono particolarmente interessato ad esplorare l'integrazione di tecniche come radiomica e apprendimento profondo con biologia molecolare e biopsia liquidaQuesta integrazione ha il potenziale per produrre biomarcatori multi-omici migliorati. In definitiva, il nostro obiettivo collettivo è sviluppare test altamente sensibili e specifici basati sull'imaging che possano aumentare le capacità prognostiche e predittive. Puntiamo a trasformare l'imaging medico in uno strumento pratico per prevedere risultati come la sopravvivenza libera da malattia (DFS) e la risposta al trattamento in vari tumori solidi.

Radiomica e medicina di precisione

Puoi discutere del ruolo della radiomica nel progresso della medicina di precisione negli anni a venire?  

La radiomica è attualmente un campo di ricerca consolidato all'interno della radiologia, ma la sua adozione diffusa da parte della comunità oncologica rimane il passo successivo. Nei prossimi anni vedremo la radiomica si evolve in una pratica e tecnica praticabile riducendo la variabilità tra diverse istituzioni e scanner. Sono entusiasta degli sviluppi nelle tecniche di armonizzazione della qualità delle immagini che possono garantire coerenza nelle caratteristiche radiomiche.

È essenziale sottolineare che non solo le tecniche radiomiche si dimostrano promettenti nel prevedere gli endpoint clinici, ma anche le tecniche di apprendimento profondo per estrazione di caratteristiche profonde dalle lesioni hanno anche dimostrato il loro potenziale. Dobbiamo accumulare prove più solide per questi metodi e aumentare la consapevolezza, incoraggiando altre discipline a incorporarli nei loro processi decisionali nella medicina personalizzata.  

Assistenza centrata sul paziente

In che modo il passaggio a un'assistenza sanitaria incentrata sul paziente ha influenzato le pratiche radiologiche? 

Il passaggio verso un'assistenza centrata sul paziente ha avuto un impatto significativo sulla nostra specialità, ponendo una maggiore enfasi sulla fornitura di un'assistenza sanitaria più personalizzata. La radiologia si sta spostando da una pratica basata sul volume a una basata sul valore. Il nostro ila maging è diventata essenziale nella decisione del trattamento e può avere un impatto profondo sulla prognosi del paziente. L'assistenza incentrata sul paziente ha anche innescato discussioni e iniziative sul servizio più ottimale per i nostri pazienti. Questo cambiamento ha portato con sé diversi cambiamenti e tendenze, tra cui possiamo trovare minimizzazione dell'esposizione alle radiazioni, una comunicazione migliorata con i pazienti, catturando e incorporando il feedback dei pazienti nei nostri processi. Ultimo ma non meno importante, L’intelligenza artificiale può avere un impatto sull’assistenza ai pazienti semplificando i flussi di lavoro diagnostici, migliorando l'interpretazione delle immagini e riducendo i tempi di attesa, tutti fattori che contribuiscono a un approccio più incentrato sul paziente, migliorando l'efficienza e la praticità. 

Riflettendo sulla nostra illuminante discussione con Dott.ssa Regina Beets-Tan, ci viene ricordata la natura dinamica della radiologia e il suo ruolo critico nella medicina di precisione. Come Giornata mondiale della radiologia, celebriamo i progressi che abbiamo fatto in adottare l'intelligenza artificiale e apprendimento automatico per la cura del cancro, che sta rimodellando il nostro approccio alla diagnosi e al trattamento. Le intuizioni del dott. Beets-Tan sottolineano il potere trasformativo della radiomica e il potenziale delle innovazioni tecnologiche per migliorare i risultati dei pazienti. Mentre guardiamo al futuro, siamo ispirati dallo spirito collaborativo di questa comunità, unita per sfruttare appieno il potenziale della radiologia per migliorare la vita.