La crescente richiesta di esami diagnostici e la carenza di personale sanitario stanno mettendo sotto pressione i sistemi sanitari di tutto il mondo. In risposta a questa sfida, GE HealthCare e NVIDIA hanno annunciato una collaborazione strategica per sviluppare soluzioni autonome basate sull’intelligenza artificiale (IA) nei campi della radiologia e dell’ecografia, con l’obiettivo di migliorare l’efficienza e ridurre il carico di lavoro per i professionisti della salute.
Un'alleanza per il futuro dell'imaging
I raggi X e l’ecografia sono oggi le metodiche di imaging più diffuse a livello globale, con oltre 4,2 miliardi di esami eseguiti ogni anno.[i] Questa diffusione capillare è dovuta alla loro versatilità, accessibilità e capacità di fornire diagnosi rapide ed efficaci. Tuttavia, la crescente richiesta di esami, legata all’invecchiamento della popolazione e all’aumento delle patologie croniche, sta mettendo a dura prova i sistemi sanitari. La carenza di radiologi e tecnici di imaging è un problema ormai strutturale, con conseguenze tangibili: tempi di attesa più lunghi per le diagnosi, maggiore pressione sugli operatori sanitari e un rischio più elevato di ritardi nella rilevazione di condizioni cliniche critiche.[ii] In questo contesto, soluzioni innovative come quelle sviluppate da GE HealthCare e NVIDIA potrebbero rappresentare un punto di svolta, migliorando l’efficienza e garantendo un accesso più equo alle cure diagnostiche.
L’impatto dell’IA nella diagnostica per immagini
Sistemi radiologici ed ecografici autonomi rappresentano una frontiera emergente che potrebbe trasformare radicalmente il settore. L’integrazione di software avanzati basati su IA permette di acquisire e analizzare immagini mediche, riducendo il carico di lavoro per tecnici e radiologi e ottimizzando i flussi operativi. La collaborazione tra NVIDIA, punto di riferimento nell’accelerated computing e nell’IA, e GE HealthCare, che per tre anni consecutivi ha guidato la classifica della FDA per il numero di dispositivi medicali con IA autorizzati, raggiungendo un totale di 85 approvazioni, ha il potenziale per offrire una risposta ad alcune delle sfide più importanti dell'assistenza sanitaria. [iii]
Per accelerare lo sviluppo di sistemi autonomi, GE HealthCare sfrutterà la piattaforma NVIDIA Isaac for Healthcare, un ecosistema progettato per la costruzione di sistemi di intelligenza artificiale fisica, ovvero IA applicata a dispositivi reali che interagiscono con l’ambiente circostante. Questa piattaforma integra strumenti avanzati come NVIDIA Omniverse, per la simulazione di flussi di lavoro robotici, e NVIDIA Cosmos, una piattaforma che consente di generare dati sintetici, simulare il funzionamento dei sensori con modelli basati sulla fisica, e applicare tecniche di apprendimento per imitazione e rinforzo, accelerando lo sviluppo e la validazione dei dispositivi autonomi. Grazie a queste tecnologie, GE HealthCare potrà addestrare e ottimizzare i propri dispositivi autonomi in un ambiente controllato, riducendo i tempi di sviluppo e garantendo una maggiore sicurezza nell’implementazione clinica.
“La nostra lunga tradizione di innovazione ci spinge a guardare sempre avanti,” ha dichiarato Roland Rott, presidente e CEO della divisione Imaging di GE HealthCare. “La collaborazione con NVIDIA rappresenta un passo fondamentale per rendere i sistemi diagnostici sempre più intelligenti e automatizzati. Il nostro obiettivo è migliorare l’efficienza operativa e la qualità dell’imaging riducendo la variabilità.”
Sistemi radiologici più efficienti
NVIDIA e GE HealthCare si concentreranno inizialmente sullo sviluppo di sistemi radiologici. GE HealthCare intende esplorare la piattaforma Isaac for Healthcare e la generazione di dati sintetici per simulare vari scenari, con l’obiettivo di automatizzare le attività ripetitive eseguite dai tecnici di radiologia durante le procedure di imaging.
Questa automazione permetterà ai medici di concentrarsi maggiormente sulla cura dei pazienti e sui casi più complessi, riducendo il tempo necessario per la preparazione e l’esecuzione degli esami radiologici. Inoltre, GE HealthCare e NVIDIA esploreranno lo sviluppo di sistemi di interazione automatizzata tra macchina e paziente, progettati per guidare autonomamente i pazienti attraverso il percorso dell’esame diagnostico.
Ecografia intelligente: meno fatica, più precisione
L’ecografia è una delle modalità diagnostiche più utilizzate e in continua evoluzione, ma la crescente complessità degli esami e l’aumento dei volumi di pazienti stanno mettendo sotto pressione gli operatori sanitari. Gli ecografisti e i tecnici di radiologia si trovano spesso a dover affrontare turni lunghi e ritmi di lavoro elevati, con il 90% di loro che riferisce disturbi muscoloscheletrici legati alla ripetitività dei movimenti [iv], mentre ad esempio l’81% delle strutture sanitarie negli Stati Uniti segnala carenze di personale specializzato.
Per affrontare queste sfide, GE HealthCare e NVIDIA stanno esplorando lo sviluppo di sistemi ecografici autonomi che possano ridurre il carico di lavoro degli operatori sanitari. Questi sistemi potrebbero ottimizzare il flusso di lavoro automatizzando parte delle operazioni ripetitive e riducendo lo sforzo fisico richiesto ai professionisti. Inoltre, i progressi nell’interpretazione delle immagini [vi] e nella navigazione robotica [vii] potrebbero permettere all’IA di assumere un ruolo più attivo nel flusso di lavoro.
Le due aziende hanno già lavorato insieme a diversi progetti. Un esempio concreto è SonoSAMTrack, un modello avanzato di intelligenza artificiale sviluppato da GE HealthCare con tecnologia NVIDIA[viii]. Questo modello è stato addestrato su circa 200.000 coppie immagine-maschera per identificare con precisione regioni di interesse come organi e lesioni. Con un tasso di accuratezza superiore al 90%, SonoSAMTrack rappresenta un progresso significativo nella segmentazione delle immagini ecografiche [ix].
“L’intelligenza artificiale e l’IA fisica rappresentano un’enorme opportunità per espandere l’accesso globale ai sistemi di imaging avanzati di GE HealthCare”, ha affermato Kimberly Powell, vicepresidente del settore healthcare di NVIDIA. “Collaborando per addestrare e testare soluzioni autonome, stiamo accelerando il futuro delle capacità di imaging medico, partendo dalle due modalità diagnostiche più utilizzate: i raggi X e l’ecografia.”
Bibliografia
[i] Mahesh, Mahadevappa, Ansari, Armin J., and Fred A. Mettler, Jr. “Patient Exposure from Radiologic and Nuclear Medicine Procedures in the United States and Worldwide: 2009–2018.” Radiology v. 307, no.1 (2022). Accessed March 5, 2025. https://doi.org/10.1148/radiol.221263
[ii] L’American Society of Radiologic Technologists stima che la percentuale di posti vacanti tra radiografi ed ecografisti nel 2023 sia quasi triplicata rispetto a quella del 2021 (18,1% per la radiografia e al 16,7% per l'ecografia). Fonte: American Society of Radiologic Technologists. Radiation Therapy Staffing and Workplace Survey 2022. Accessed March 5, 2025. https://www.asrt.org/docs/default-source/research/staffing-surveys/radiation-therapy-staffing-and-workplace-survey-2022.pdf; American Society of Radiologic Technologists. Radiologic Sciences Workplace and Staffing Survey 2023. Accessed March 5, 2025. https://www.asrt.org/docs/default-source/research/staffing-surveys/radiologic-sciences-workplace-and-staffing-survey-2023.pdf
[iii] “Artificial Intelligence and Machine Learning (AI/ML)-Enabled Medical Devices,” December 20, 2024, https://www.fda.gov/medical-devices/software-medical-device-samd/artificial-intelligence-and-machine-learning-aiml-enabled-medical-devices
[iv] Work Related Musculoskeletal Disorders In Sonography, Society Of Diagnostic Medical Sonography, Susan Murphey, https://journals.sagepub.com/doi/full/10.1177/8756479317726767
[v] “Radiology Staffing Shortages Nation Wide?”, AHEC online, Sept 27, 2021.
[vi] "Image-based Navigation in Real-World Environments via Multiple Mid-Level Representations." SpringerLink, 2023. Accessed March 5, 2025. https://link.springer.com/article/10.1007/s10514-023-10147-z
[vii] Marasigan, John Albert L., and Yung-Hao Wong. "Adaptive Robotics: Integrating Robotic Simulation, AI, Image Analysis, and Cloud-Based Digital Twin Simulation for Dynamic Task Completion." Lecture Notes in Computer Science, 2024. Accessed March 5, 2025. https://link.springer.com/chapter/10.1007/978-3-031-60615-1_17
[viii] Questo lavoro è nella fase concettuale e potrebbe non diventare mai un prodotto. Non in vendita. Non approvato o autorizzato dalla FDA statunitense o da qualsiasi altro ente regolatore globale per la disponibilità commerciale.
[ix] Risultati preliminari che potrebbero subire variazioni.
