Tra i partner del progetto di ricerca LIFEMap, l’Università Telematica San Raffaele Roma partecipa come coordinatore dell’Obiettivo Specifico 6, con il compito di sviluppare strumenti di Intelligenza Artificiale (IA) a supporto di protocolli di medicina predittiva.
“Grazie alle collaborazioni pluriennali con la Prof.ssa Fiorella Guadagni, Coordinatrice del Centro di Risorse Biologiche BioBIM dell’IRCCS San Raffaele, e con il Prof. Fabio Massimo Zanzotto Coordinatore del Centro Ricerche CLaK (Cognition Language and Knowledge) dell’Università di Roma Tor Vergata – spiegano i ricercatori dell’Ateneo – siamo in grado di mettere a disposizione del progetto strumenti di apprendimento automatico (machine learning, ML), basati sui principi della spiegabilità (eXplainable AI, XAI), la cui architettura di base è dotata di una flessibilità tale da poter essere applicata a quesiti medici di tipo diverso”.
L’Università San Raffaele, infatti, dispone di una piattaforma di ML già testata e validata su vari set di dati in ambito medico. Nello specifico è stato sviluppato il sistema Risk, già pubblicato in riviste di settore, in grado di ottimizzare le prestazioni e di fornire indicazioni sulle caratteristiche, o gruppi di caratteristiche, che contribuiscono in maniera più significativa alla predizione dell’evento analizzato.
“Nell’ambito del progetto LIFEMap, andremo ad effettuare analisi predittive utilizzando procedure basate su tecniche di apprendimento automatico in modo da analizzare eventi e fenomeni storici e/o attuali con l’obiettivo di fare predizioni sul futuro o su eventi sconosciuti” afferma Patrizia Ferroni, Principal Investigator per l’Università San Raffaele Roma. “Negli ultimi decenni, infatti, abbiamo assistito a un aumento della domanda di medicina predittiva, che ha potenziato sia la ricerca di nuovi marcatori biomolecolari sia l’applicazione di strumenti informatici basati sull’IA per la predizione del rischio di eventi futuri. Nel progetto LIFEMap, l’Università San Raffaele sarà impegnata nell’analisi retrospettiva di un’ampia coorte di pazienti adulti o pediatrici, al fine di identificare varianti genetiche e profili clinico-ambientali associati al rischio di sviluppare obesità, diabete e patologie oncologiche. Inoltre, attraverso l’analisi delle interazioni, saremo in grado di capire perché alcuni individui sono più sensibili allo sviluppo di certe patologie e come un adeguato stile di vita nell’infanzia possa aiutare a prevenire il loro insorgere. Queste conoscenze ci permetteranno, in ultima analisi, di personalizzare le strategie di prevenzione, ad esempio, attraverso la creazione di un sistema di supporto alle decisioni cliniche. Di particolare interesse per il progetto sarà la definizione di appositi strumenti per la XAI, in grado di consentire anche agli utenti non esperti di sistemi informatici di comprendere appieno il processo di predizione e rendendo il sistema utilizzabile e validabile da tutti i soggetti coinvolti nel progetto”.
