4 minutes

Digital For Clinical Days 2021. Intelligenza Artificiale Per La Genomica – Progetto HIBAD

Si è rinnovato anche nel 2021 l’appuntamento con l’analisi e il confronto sui temi della Digital Medicine e quest’anno, con grande entusiasmo, abbiamo accettato l’invito a partecipare.

La terza edizione del Digital for clinical Days 2021, evento organizzato da Advice Pharma, con il patrocinio del Politecnico di Milano , ha visto la partecipazione di ricercatori ed esperti del settore, che si sono confrontati sugli sviluppi tecnologici nel campo della ricerca e della sanità.

Nei giorni del 1° e 2 Dicembre, l’evento, che si è svolto interamente online, ha coinvolto numerose aziende, (trovi qui il programma) che con i loro interventi hanno aperto un interessante dibattito riguardo alle potenzialità dello sviluppo tecnologico.

Vi riportiamo il video integrale del nostro speech, tenuto dal nostro direttore strategico Luca Chiaretti, in cui vengono evidenziati i punti più interessanti del progetto HIBAD, sviluppato da AdvicePharma assieme a BioRep Srl, società del Gruppo Sapio, IRCCS Eugenio Medea e Diabetes Diagnostics Srl.

CHI SVILUPPERà IL PROGETTO?

La realizzazione del progetto sarà portata avanti dalla business unit di machine learning di Lenis, che negli anni ha acquisito competenze nel campo del deep learning semantico di Data Mining, propedeutico per la realizzazione del software.

qual è il nostro obiettivo?

L’obiettivo del progetto HIBAD è quello di replicare le risultanze in termini diagnostici che un clinico darebbe a seguito della visione delle cartelle cliniche oggetto dei trials.

La categorizzazione dei profili diagnostici permetterà inoltre di ricavare le conseguenti prognosi, indicando il decorso della malattia.

La diagnosi delle patologie si esplicita nei diversi:

  • i 3 livelli del disturbo dell’autismo
  • le classi di prediabete

Per fare ciò ci si avvarrà di una rete neurale, la quale, a fronte di un preventivo addestramento basato su una popolazione su cui fare analisi, grazie ad algoritmi, sarà in grado di replicare il funzionamento del cervello interpretando i dati dei trial.

COME INTENDIAMO RAGGIUNGERE L'OBIETTIVO?

Il popolamento della nostra piattaforma di mining avverrà tramite la raccolta delle eCRF (cartelle cliniche elettroniche) archiviate nella piattaforma informatica di Advice Pharma, ICE.

All’aumentare della popolazione, il mining efficienta ulteriormente il riconoscimento di patter, arrivando a prevedere la % di probabilità del verificarsi di una determinata patologia. Per questo abbiamo previsto la possibilità di attaccarlo a più DB, o in autonomia oppure facendolo passare per ICE, il quale normalizzerà i dati da inviarci.

Il lavoro sarà svolto strettamente a contatto con clinici e ricercatori, che permetteranno l’adattamento degli algoritmi di mining alle loro conoscenze diagnostiche.  A tal fine, in questa fase metteremo in servizio data scientist per interpretazione dei risultati clinici con la relativa predisposizione della documentazione tecnica di servizio a quelli che saranno i veri e propri sviluppatori: dovremo infatti capire quali sono i pattern nei trials in grado di determinare le relative diagnosi, così da predisporre la rete neurale a lavorare nello stesso modo.

Lo studio della letteratura sull’argomento e i progetti già sviluppati ci hanno fatto scegliere le SVM (Support-Vector-Machines), tecnologia già industrializzata ed in funzione presso molte realtà.

Dovremo necessariamente sviluppare 2 classificatori DNS e prediabete.

Un’architettura quale quella che svilupperemo permetterà altresì di predisporre nel futuro, all’efficentarsi degli strumenti diagnostici ed all’aumentare dei dati, ulteriori classificatori di affinamento della diagnosi. Questo renderà l’algoritmo vivo: apprenderà come potrebbe apprendere un clinico all’aumentare delle sue conoscenze.

CHE COSA FAREMO?

Struttureremo il progetto come un Software-As-A-Service, così da usufruire dei seguenti vantaggi:

  • dati normalizzati da ICE, piattaforma già rodata e compliante ai GDPR
  • DB standard per scalabilità
  • profilazione multiutente
  • output degli algoritmi di mining su viste web navigabili da browser

Inoltre, essendo il progetto custom sviluppato ex-novo, sarà disponibile presso piattaforme dei clienti a fronte di determinate esigenze.

PROSPETTIVE DI QUESTA TECNOLOGIA

Secondo noi, all’aumentare della base dati di riferimento, una tecnologia come questa potrebbe ambire a raggiungere due ambiziosi obiettivi:

  • Sviluppare dei nuovi layer che, indipendentemente dai clinici e dai data scientist possano identificare ulteriori pattern con le relative percentuali di affidabilità; pattern che prima non erano stati indicati. Se si pensa che un dottore che analizza mediamente 10 cartelle cliniche/gg * 200 gg/anno * 30 anni di attività lavorativa è in grado di analizzare 60.000 cartelle cliniche in una carriera lavorativa, e che il nostro software sarà in grado di analizzarle in pochi minuti; si comprende come lo stesso possa arrivare a costituire un vero e proprio esploratore fra i dati, in grado di presentare all’ attenzione dei clinici nuovi pattern prima non individuati.
  • Pensiamo al piccolo capolavoro tecnologico che è stato realizzato in meno di 10 anni grazie all’ image recognition (se vuoi saperne di più sull’ image recognition leggi il nostro articolo Image Recognition nell’Automazione Industriale) tecnologia anch’essa di deep learning. E grazie alla quale hanno sviluppato algoritmi ormai più efficienti dei migliori radiologi per il riconoscimento di noduli a polmoni e fegato; vi sono alcune aziende (società Enlitic) che hanno dimostrato di aver addirittura anticipato di 1 anno l’individuazione di un nodulo rispetto al riconoscimento eseguito dai radiologi che hanno analizzato le medesime radiologie. Ebbene, per un progetto come il nostro, possiamo coltivare l’ambizione, all’aumentare del numero dei trial e dei dati di riferimento, di costruire un riferimento tecnologico per la diagnosi di particolari patologie.

È dunque evidente la portata innovativa di questo progetto e l’importanza che l’utilizzo di tale tecnologia può rappresentare per i clinici di ogni settore.

CONDIVIDI POST:

Share on facebook
Share on linkedin
Share on twitter
Share on whatsapp

gli ultimi articoli del nostro blog

Come Funziona Una Rete Neurale?

4 minutes Nell’articolo precedente (Intelligenza Artificiale, Deep Learning e Machine Learning, Cosa Dobbiamo Sapere) abbiamo cercato di comprendere le differenze che corrono tra intelligenza artificiale, machine learning e deep

è il momento di digitalizzare la tua azienda

Scopri cosa possiamo fare per aiutarti.

Lenis Srl

Sede Firenze:
Viale Antonio Gramsci, 22
50132 Firenze
Tel. 055 287271

Sede Milano: 
Via Vincenzo Monti, 8
20123 Milano
Tel. 02 94757956