“Un ottimo esempio di come funzionano bene le nostre Università e i nostri centri di ricerca”. Così l’assessore regionale all’Università, Ricerca e Innovazione, Alessandro Fermi, commenta il progetto pilota presentato oggi a Pavia che, grazie all’uso dell’intelligenza artificiale, consentirà di ottenere in pochi secondi, fino a un massimo di dieci, informazioni accurate sulle proprietà dei tessuti patologici.
L’impiego sperimentale delle reti neurali per l’acquisizione delle immagini di risonanza magnetica è l’oggetto del progetto di ricerca sviluppato alla Fondazione IRCSS Mondino dal trentenne Leonardo Barzaghi e dalla ventiseienne Raffaella Fiamma Cabini, dottorandi del Centro ‘BioData Science’ dello stesso Mondino, coordinato dalla professoressa Silvia Figini.
Sono stati loro, già laureati in fisica a Pavia e Milano, a presentarlo in anteprima mondiale al ‘CompMat Spring Workshop’, l’evento dedicato alle nuove frontiere del machine learning.
Sono molto orgoglioso per il grande risultato che è stato raggiunto da due giovani ricercatori lombardi. Grazie a questa innovazione verranno abbattuti i tempi necessari per ottenere immagini tramite la risonanza magnetica e questo permetterà di rendere l’esame più confortevole per i pazienti e di avere qualche risparmio per le strutture sanitarie. Aspetto dunque i ragazzi in Regione per complimentarmi con loro.
Alessandro Fermi, assessore regionale all’Università, Ricerca e Innovazione.
Grazie a due borse di studio finanziate dal centro neurologico pavese di eccellenza, i due ricercatori hanno studiato lo sviluppo degli algoritmi di machine learning e deep learning per la previsione di biomarcatori quantitativi delle malattie dell’apparato muscolo-scheletrico.
L’uso dei modelli più evoluti di intelligenza artificiale consente oggi di accelerare i tempi di acquisizione delle informazioni quantitative della patologia come, ad esempio, quelle relative alla quantità dell’infiammazione, dell’atrofia e la percentuale di grasso. Grazie alle reti neurali si possono ottenere immagini in pochi secondi, abbattendo i tempi necessari con i metodi standard, quantificabili in ore.
