L'intelligenza Artificiale come supporto diagnostico nello Screening Mammografico: dati preliminari di uno studio prospettico su una popolazione di Screening e analisi del suo impatto sul flusso di lavoro radiologico

Abstract

Introduzione Il carcinoma mammario rappresenta la neoplasia più frequente nella popolazione femminile e una delle principali cause di mortalità oncologica. Lo screening mammografico costituisce uno strumento fondamentale per la diagnosi precoce, ma presenta limiti legati alla variabilità interpretativa, all’elevato carico di lavoro e alla presenza di falsi positivi e negativi. L’intelligenza artificiale (IA), attraverso algoritmi di deep learning, offre nuove opportunità per migliorare l’accuratezza diagnostica e l’efficienza del flusso di lavoro.

Finalità dello studio Obiettivo dello studio è valutare l’impatto dell’integrazione di un sistema di IA nella lettura delle mammografie di screening presso il Dipartimento di Diagnostica per Immagini dell’ASL3 Genovese, analizzando le prestazioni diagnostiche e l’efficienza operativa rispetto al modello tradizionale di doppia lettura.

Materiali e metodi È stato condotto uno studio prospettico di valutazione di servizio su una popolazione di screening. Il software di IA è stato utilizzato come supporto al radiologo nella lettura delle mammografie digitali. Sono stati analizzati indicatori di performance (tasso di rilevamento del cancro, sensibilità, specificità, tasso di richiamo e valore predittivo positivo) e parametri di workflow.

Risultati I dati preliminari mostrano che l’IA consente di mantenere livelli di sensibilità comparabili alla doppia lettura tradizionale, riducendo al contempo il carico di lavoro e la variabilità interindividuale. Si osserva una maggiore rapidità nel processo di refertazione e un miglioramento complessivo dell’efficienza del sistema.

Discussione e conclusioni L’integrazione dell’IA nello screening mammografico si dimostra uno strumento efficace di supporto diagnostico, capace di ottimizzare tempi e risorse senza compromettere la qualità clinica. I risultati suggeriscono che l’IA possa costituire la base per un modello di screening più sostenibile e personalizzato, in grado di potenziare la

Introduction Breast cancer is the most common malignancy among women and a leading cause of cancer mortality. Mammographic screening is essential for early detection but is limited by inter-reader variability, workload burden, and false results. Artificial Intelligence (AI), particularly deep learning algorithms, offers opportunities to enhance diagnostic accuracy and workflow efficiency.

Aim of the study This study aimed to assess the impact of integrating an AI-based system into mammographic screening at the Imaging Department of ASL3 Genoa, comparing diagnostic performance and operational efficiency with the traditional double-reading model.

Materials and methods A prospective service evaluation study was performed on a screening population. The AI software was used as a diagnostic support tool in the interpretation of digital mammograms. Key performance indicators—Cancer Detection Rate, Sensitivity, Specificity, Recall Rate, and Positive Predictive Value—were analyzed, along with workflow metrics.

Results Preliminary data indicate that AI maintains diagnostic sensitivity comparable to traditional double reading, while reducing inter-reader variability and workload. The integration of AI also shortened reporting times and improved overall workflow efficiency.

Discussion and conclusions AI integration in mammographic screening appears to be an effective diagnostic aid, optimizing resources and standardizing interpretation without compromising clinical quality. These findings support the role of AI as a step toward a more sustainable, efficient, and personalized screening model that enhances radiologists’ performance and the overall quality of breast cancer prevention programs.