Attualmente, i sistemi per accertare l’età di un individuo si affidano alle informazioni sullo sviluppo del suo apparato scheletrico, sia per comuni finalità medico-diagnostiche – come l’individuazione di disfunzioni al sistema endocrino e metabolico in età pediatrica – sia per altre finalità – l’accertamento dell’età esatta in tutti quei casi in cui tale requisito è rilevante per l’accesso a particolari regimi e prestazioni: si pensi ai richiedenti asilo, che talvolta dichiarano un’età molto inferiore per potere accedere alle misure di accoglienza previste per i minori stranieri non accompagnati, una pratica molto comune che costringe le forze di polizia a farraginose procedure di accertamento sulla veridicità delle dichiarazioni rilasciate dal richiedente asilo.

La procedura di valutazione dell’età di un individuo in base alle caratteristiche del tessuto osseo si avvale di una radiografia della mano sinistra del soggetto, confrontata con specifici atlanti di immagini radiografiche, distinte per età e genere. Il confronto si svolge tipicamente in maniera qualitativa, utilizzando il metodo di Greulich e Pyle o quello di Tanner-Whitehouse.

È quindi l’occhio dell’analista a valutare la similitudine tra la situazione evidenziata dalla radiografia della mano del soggetto con quelle riportate nell’atlante, una metodologia che richiede tempo e la cui affidabilità è strettamente associata alla qualità delle immagini radiografiche di partenza.

Ma le cose potrebbero cambiare nel prossimo futuro. Intanto, sono stati recentemente presentati e approvati per uso clinico anche in Europa prodotti software – come BoneXpert − per l’automazione parziale della procedura precedentemente descritta, basati su un algoritmo di riconoscimento immagini, che tuttavia richiedono l’intervento di personale medico per la validazione dei risultati.

Ma c’è di più. In un articolo pubblicato ieri su bioRxiv, un team di ricercatori di vari istituti di ricerca – fra cui figurano il MIT, l’Università del Michigan, l’Università nazionale di ricerca nella tecnologia elettronica di Mosca e la società californiana Lyft – ha presentato un nuovo algoritmo basato su deep learning, che migliora nettamente tutta la procedura, senza richiedere supervisione esterna.

L’algoritmo è stato testato sul 2017 Pediatric Bone Age Challenge, un data set raccolto dalla Radiological Society of North America: dopo aver pre-processato le radiografie, normalizzandone il contrasto e individuando opportuni punti chiave per registrare immagini di segmenti delle mani, il team ha alimentato con le immagini così elaborate diverse architetture di deep learning a convoluzione, allo scopo di «restringere il campo» a quelle ossa che effettivamente sono importanti per la classificazione delle immagini. Una volta ristretto il campo, all’algoritmo sono state sottoposte nuove immagini radiografiche, con risultati molto incoraggianti. L’approccio descritto, infatti, si è rivelato robusto nelle operazioni di classificazione e riconoscimento, mostrando al contempo una maggiore velocità di elaborazione, senza richiedere interventi da parte di un operatore umano.

Fonte: bioRxiv