Skip to main content
European Commission logo
italiano italiano
CORDIS - Risultati della ricerca dell’UE
CORDIS
CORDIS Web 30th anniversary CORDIS Web 30th anniversary

Development and commercialization of a semi-supervised learning AI for robust diagnosis in real world settings.

Article Category

Article available in the following languages:

Un medico dotato di IA adopera processi creativi per fare pratica

Una piattaforma diagnostica innovativa supporta i medici nell’individuazione rapida di malattie non trasmissibili. Auto-addestrandosi, questa piattaforma accorcia i tempi richiesti dai medici in carne e ossa e migliora il suo livello di precisione nel corso del tempo.

L’uso dell’intelligenza artificiale (IA) si sta intensificando nel settore sanitario e fa sperare in una trasformazione della pratica medica in tutto il mondo. Finora, il software di diagnosi basato su IA si è dimostrato in grado di rilevare tempestivamente le malattie e rischi sanitari. Ciò risulta particolarmente utile in caso di malattie non trasmissibili (MNT), tra cui malattie cardiovascolari, oculistiche e respiratorie. Le MNT sono responsabili di circa il 60 % di tutti i decessi e le disabilità a livello mondiale. Tuttavia, il software si trova ad affrontare notevoli limitazioni, quali la necessità di addestrare l’IA sulla base di enormi quantità di dati marcati. Ciò può sfociare in serie di dati difficili da gestire e spesso incompleti e l’IA può rilevarsi troppo specifica rispetto ai dati di addestramento, ostacolando così diagnosi generalizzate. Il progetto MrDoc, finanziato dall’UE, ha scovato una nuova strada, ovvero una piattaforma diagnostica semi-supervisionata di apprendimento basata su IA, che si occupa dell’addestramento tramite piccole serie di dati marcate da cui impara a migliorarsi per conto proprio. Questa soluzione apprende dai medici in carne e ossa e sfrutta le conoscenze per auto-addestrarsi ulteriormente, utilizzando metodi paragonabili all’immaginazione umana. Inoltre, riesce a prevedere potenziali variazioni o interferenze che potrebbe trovarsi ad affrontare nel futuro, il che contribuisce a rendere le sue diagnosi concrete in scenari reali. «Lo scopo ultimo è il rilevamento e la diagnosi di MNT quali l’aritmia e l’ipertensione. Ciò può essere effettuato adoperando parametri biometrici, tra cui la pressione sanguigna, la variabilità della frequenza cardiaca, l’emoglobina e la glicemia, basandosi su segnali “sporchi” generati dai dispositivi elettronici di consumo, quali smartphone e telecamere a circuito chiuso», spiega Fabio Rebecchi, amministratore delegato, fondatore e direttore scientifico presso Mr. Doc.

Come funziona

La soluzione di Mr. Doc trova i campioni più utili e con maggiori informazioni all’interno di serie di dati clinici. Successivamente, li mostra al personale medico che è incaricato di marcare i dati. Il riscontro contribuisce al miglioramento dell’IA nell’ambito di un processo interattivo che riduce la quantità di tempo richiesta ai medici e fa risparmiare fino al 90 % dei costi. L’esecuzione dell’IA avviene su reti di apprendimento automatico chiamate reti generative avversarie (GAN, Generative Adversarial Networks) utilizzate in molti processi creativi. Le reti generative avversarie schierano due reti una contro l’altra: una presenta i suoi risultati e l’altra li giudica. Nel tempo, questo processo migliora il livello di precisione. «Impieghiamo le GAN su tre livelli del nostro canale. In primo luogo, per la trasformazione delle serie di dati open source di segnali e immagini per uso medico e in secondo luogo per pulire i segnali da artefatti da movimento o altre fonti di interferenza spesso presenti nell’elettronica di consumo e, infine, per ridurre le dimensioni dei dati. In questo modo si agevola Mr. Doc nella gestione dei passaggi successivi e si riduce al minimo la perdita di informazioni», aggiunge Rebecchi.

Segnali di successo

«Finora, abbiamo prodotto dei risultati importanti tramite l’estrapolazione di informazioni sulle malattie cardiache e respiratorie provenienti dai “video selfie” dei pazienti e grazie al rilevamento di nuovi biomarcatori e segnali diagnostici dalle tomografie ottiche a radiazione coerente (OCT)» afferma Rebecchi. Il gruppo sta inoltre conducendo sperimentazioni cliniche tramite la piattaforma per analizzare i suoni prodotti dagli utenti mentre soffiano sul microfono di uno smartphone al fine di valutare la possibile presenza di asma o broncopneumopatia cronica ostruttiva. «Il programma Orizzonte 2020 ha segnato un passo fondamentale per noi, poiché ci ha dato fiducia, ci ha fornito il supporto finanziario nonché l’opportunità di riflettere sul piano e la visione a lungo termine del nostro progetto. Per quanto riguarda il futuro ci concentreremo su convalide cliniche di maggior respiro, la certificazione del dispositivo medico e la possibile commercializzazione della piattaforma», spiega Rebecchi.

Parole chiave

MrDoc, intelligenza artificiale, diagnosi, malattie non trasmissibili, supporto, precisione, reti generative avversarie

Scopri altri articoli nello stesso settore di applicazione