SPA106 | INTELLIGENZA ARTIFICIALE (IA) E MEDICINA DEL LAVORO: VALUTAZIONE DELLA CLASSIFICAZIONE ILO DELLE RADIOGRAFIE DELLE PNEUMOCONIOSI ASSISTITA DALL'IA

M. Padovan¹, A. Palla², A. Quercia³, R. Leonori⁴, S. Dugheri⁵, E. Tomasini⁶, V. Traversini⁷, A. Chiarelli⁹, S. Indini⁹, N. Mucci^8|9, A. Baldassarre^8|9 | ¹U.O.C. Medicina Preventiva Aziendale, Azienda USL Toscana Nord Ovest, Italia; ²Intel Corporation, Santa Clara, California; ³già Direttore U.O. Prevenzione e Sicurezza negli Ambienti di Lavoro, ASL Viterbo, Italia; ⁴U.O. Prevenzione e Sicurezza negli Ambienti di Lavoro, ASL Viterbo, Italia; ⁵Dipartimento di Scienze della Vita, della Salute e delle Professioni Sanitarie, Università Link Campus, Roma, Italia; ⁶U.F.C. Prevenzione igiene e sicurezza nei luoghi di lavoro Firenze 1, Azienda USL Toscana Centro, Italia; ⁷U.F.C. Prevenzione igiene e sicurezza nei luoghi di lavoro Firenze 2, Azienda USL Toscana Centro, Italia; ⁸Dipartimento di Medicina Sperimentale e Clinica, Università degli Studi di Firenze, Italia; ⁹Medicina del Lavoro, Azienda Ospedaliero-Universitaria Careggi, Firenze, Italia

Introduzione. Le pneumoconiosi rappresentano ancora un rilevante problema di salute occupazionale a livello globale. Nonostante i progressi nella prevenzione, rappresentano ancora un rilevante problema di sanità pubblica globale, con un aumento della mortalità assoluta a fronte di una riduzione dei tassi standardizzati per età. La Classificazione Internazionale delle radiografie delle pneumoconiosi dell’Organizzazione Internazionale del Lavoro (ILO), aggiornata nel 2022, costituisce lo standard di riferimento per la sorveglianza sanitaria ed epidemiologica dei lavoratori esposti; richiede elevata formazione specialistica e presenta variabilità inter-lettore. Negli ultimi anni, l’intelligenza artificiale (IA) è stata proposta come strumento di supporto all’interpretazione radiologica. I modelli multimodali generativi, più recentemente, rappresentano una nuova prospettiva nell’analisi integrata di immagini e testo, sebbene la capacità di riprodurre una refertazione standardizzata secondo la classificazione ILO delle radiografie del torace non risulti adeguatamente valutata.
Obiettivi. Studio pilota per valutare la capacità di modelli di GAI multimodale quale supporto nella lettura dei radiogrammi del torace, provenienti da un set di riferimento standardizzato, secondo i criteri ILO per la classificazione delle pneumoconiosi, esplorandone prestazioni, limiti e potenziali implicazioni nella sorveglianza sanitaria ed epidemiologica.
Metodi. Sono state analizzate 82 radiografie del torace in formato DICOM, provenienti dal syllabus NIOSH BViewer e corredate da classificazione di riferimento secondo criteri ILO 2022. La lettura dei radiogrammi standard, sono state effettuate mediante quattro modelli multimodali (GPT-4o, GPT-5, MedGemma-4B, MedGemma-27B) senza fine-tuning, utilizzando un prompt standardizzato e output strutturato conforme ai criteri ILO 2022. Le prestazioni sono state confrontate con i riferimenti umani mediante metriche diagnostiche (sensibilità, specificità, PPV, accuratezza bilanciata, MCC), analisi per categorie ILO e test statistici (McNemar, bootstrap, kappa di Cohen) implementati in ambiente Python.
Risultati e conclusioni. I risultati mostrano prestazioni eterogenee e, complessivamente, moderate dei 4 modelli di intelligenza artificiale generativa, con MedGemma-27B che ha ottenuto la migliore accuratezza bilanciata (70,28%) e il più elevato coefficiente di correlazione (MCC=0,387), seguito da GPT-4o, GPT-5 e MedGemma-4B (60,8%). La sensibilità è risultata limitata (35,5%–54,9%), a fronte di una specificità costantemente elevata (84,6%–86,2%). L’analisi per categorie ILO ha rivelato eterogeneità: le opacità parenchimali piccole (MedGemma-27B) e le alterazioni pleuriche (GPT-5) sono risultate le più riconoscibili, mentre le opacità grandi e i reperti rari sono stati sistematicamente sottostimanti da tutti i modelli. La categoria decisionale clinica ha mostrato solo concordanza moderata, indicando difficoltà nell’integrazione complessiva dei dati. Le analisi di precisione-richiamo e dello sbilanciamento delle classi hanno evidenziato un compromesso tra sensibilità e precisione, con MedGemma-27B più promettente per applicazioni di screening. I test statistici (McNemar, bootstrap) hanno confermato differenze significative tra modelli e stabilità delle stime, mentre l’accordo inter-modello (κ elevati) suggerisce pattern decisionali simili. Nel complesso, nessun sistema risulta idoneo all’uso autonomo, rendendo necessario il mantenimento della supervisione umana. Pur in presenza di differenze statisticamente significative tra i modelli, i pattern di concordanza sono risultati complessivamente simili, evidenziando un compromesso tra sensibilità e precisione, con MedGemma-27B più promettente per applicazioni di screening. Nel complesso, nessun sistema risulta idoneo all’uso autonomo, rendendo necessario il mantenimento della supervisione umana. In un contesto in cui la radiografia del torace rimane centrale nella sorveglianza e la HRCT è limitata nell’uso su larga scala, anche in compliance dei principi di radioprotezione medica, l’IA potrebbe rappresentare un supporto operativo nei programmi di prevenzione e screening. L’integrazione in modelli “human-in-the-loop” appare promettente, soprattutto in contesti con limitato accesso a B-reader. Sono tuttavia necessari studi su larga scala in contesti real-world per valutarne l’impatto sulla prevenzione e tutela della salute dei lavoratori.