AFFILIAZIONE
Usl Umbria 1
AUTORE PRINCIPALE
Dott. Ciotti Emanuele
Registrazione obbligatoria. Una valutazione consentita
login avvenuto
GRUPPO DI LAVORO
AREA TEMATICA
Applicazioni di intelligenza artificiale in sanità
ABSTRACT
Contesto
Lo screening mammografico rappresenta uno degli interventi di sanità pubblica più efficaci per la riduzione della mortalità per tumore della mammella. Negli ultimi anni, l’AI ha raggiunto un livello di maturità tale da consentirne l’integrazione nei programmi di screening organizzato, anche in risposta alla crescente pressione su risorse professionali e tempi di refertazione. In questo scenario si inserisce l’esperienza della USL Umbria 1, che ha introdotto un sistema di IA come supporto alla doppia lettura nell’ambito del percorso di digitalizzazione aziendale finanziato dal PNRR.
Materiali e metodi
Presso i servizi di senologia territoriali e ospedalieri della USL Umbria 1 è stato implementato il sistema Lunit Insight MMG, dispositivo CADe/x basato su deep learning, conforme al Regolamento Europeo MDR 2017/745 e integrato nel flusso RIS/PACS come ausilio alla refertazione dello screening mammografico di I livello, senza sostituire la doppia lettura. Il sistema è in grado di identificare e marcare aree sospette, attribuire uno score di anomalia e fornire un dato oggettivo di densità mammaria. L’implementazione è stata accompagnata da attività di governance, tra cui redazione della DPIA, aggiornamento dell’informativa privacy, definizione di indicatori di monitoraggio e formazione dei radiologi. L’analisi preliminare ha confrontato i dati di attività e di performance relativi agli anni 2024 e 2025.
Risultati
Nel 2024 sono state esaminate 16.397 donne e nel 2025 16.237, con volumi sostanzialmente sovrapponibili; tuttavia, nel 2025 l’attività è stata sostenuta da 8 radiologi refertatori rispetto ai 9 dell’anno precedente, con incremento del workload medio per medico. Sul piano clinico, i casi positivi sono aumentati da 76 a 90 e il detection rate da 4,6 a 5,5 per 1.000 esami. Sul piano organizzativo, il tempo medio di refertazione si è ridotto da 25 a 18 giorni, con una riduzione relativa del 28%, riportando il programma al di sotto della soglia dei 21 giorni indicata come standard di tempestività diagnostica. Parallelamente, si è osservato un incremento dei richiami al II livello da 644 a 786 e del tasso di richiamo dal 3,93% al 4,84%, mentre il valore predittivo positivo del richiamo è rimasto sostanzialmente stabile. Complessivamente, i risultati preliminari suggeriscono che l’introduzione dell’IA possa migliorare efficienza e capacità di identificazione dei tumori, pur richiedendo un’attenta gestione organizzativa dell’aumento dei richiami.
Lo screening mammografico rappresenta uno degli interventi di sanità pubblica più efficaci per la riduzione della mortalità per tumore della mammella. Negli ultimi anni, l’AI ha raggiunto un livello di maturità tale da consentirne l’integrazione nei programmi di screening organizzato, anche in risposta alla crescente pressione su risorse professionali e tempi di refertazione. In questo scenario si inserisce l’esperienza della USL Umbria 1, che ha introdotto un sistema di IA come supporto alla doppia lettura nell’ambito del percorso di digitalizzazione aziendale finanziato dal PNRR.
Materiali e metodi
Presso i servizi di senologia territoriali e ospedalieri della USL Umbria 1 è stato implementato il sistema Lunit Insight MMG, dispositivo CADe/x basato su deep learning, conforme al Regolamento Europeo MDR 2017/745 e integrato nel flusso RIS/PACS come ausilio alla refertazione dello screening mammografico di I livello, senza sostituire la doppia lettura. Il sistema è in grado di identificare e marcare aree sospette, attribuire uno score di anomalia e fornire un dato oggettivo di densità mammaria. L’implementazione è stata accompagnata da attività di governance, tra cui redazione della DPIA, aggiornamento dell’informativa privacy, definizione di indicatori di monitoraggio e formazione dei radiologi. L’analisi preliminare ha confrontato i dati di attività e di performance relativi agli anni 2024 e 2025.
Risultati
Nel 2024 sono state esaminate 16.397 donne e nel 2025 16.237, con volumi sostanzialmente sovrapponibili; tuttavia, nel 2025 l’attività è stata sostenuta da 8 radiologi refertatori rispetto ai 9 dell’anno precedente, con incremento del workload medio per medico. Sul piano clinico, i casi positivi sono aumentati da 76 a 90 e il detection rate da 4,6 a 5,5 per 1.000 esami. Sul piano organizzativo, il tempo medio di refertazione si è ridotto da 25 a 18 giorni, con una riduzione relativa del 28%, riportando il programma al di sotto della soglia dei 21 giorni indicata come standard di tempestività diagnostica. Parallelamente, si è osservato un incremento dei richiami al II livello da 644 a 786 e del tasso di richiamo dal 3,93% al 4,84%, mentre il valore predittivo positivo del richiamo è rimasto sostanzialmente stabile. Complessivamente, i risultati preliminari suggeriscono che l’introduzione dell’IA possa migliorare efficienza e capacità di identificazione dei tumori, pur richiedendo un’attenta gestione organizzativa dell’aumento dei richiami.
