foto ANSA
Grazie all’utilizzo dell’intelligenza artificiale arriva in Italia una nuova tecnica diagnostica della risonanza magnetica per la diagnosi e il monitoraggio delle malattie rare neuromuscolari. In pochi secondi, fino a un massimo di dieci, è possibile ottenere informazioni accurate sulle proprietà dei tessuti patologici.
L’intelligenza artificiale legge la risonanza in 10 secondi
L’impiego sperimentale delle reti neurali per l’acquisizione delle immagini di risonanza magnetica è l’oggetto del progetto di ricerca sviluppato alla Fondazione Mondino di Pavia dal 30enne Leonardo Barzaghi e dalla 26enne Raffaella Fiamma Cabini, dottorandi del Centro “BioData Science” del 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 e della matematica computazionale, organizzato oggi dall’Università di Pavia e svoltosi nell’Aula Foscolo.
Come funziona
Grazie a due borse di studio finanziate dal centro neurologico pavese, 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.
“Per supportare la diagnosi e aumentare la qualità delle immagini anatomiche ad alta risoluzione ottenute tramite la risonanza magnetica, negli ultimi anni sono state sviluppate tecniche che permettono di quantificare le proprietà fisiche dei tessuti patologici – spiega Barzaghi -. 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 realtive 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”. La ricerca di Barzaghi si è concentrata sulle immagini cliniche, mentre quella di Cabini su quelle precliniche.