26 May 2020

IA, il sistema di Federated Learning dell’Università di Firenze premiato da un bando UE

  • Di Amelia Cartia

Il progetto ‘Dragon’ sbarca in Italia, il racconto di Mariaelena Occhipinti, radiologa ricercatrice e responsabile del progetto.

Unica tra le Università italiane, l’Università di Firenze si è aggiudicata un bando di concorso europeo per un progetto di diagnostica relativo al Covid-19. Il progetto, denominato Dragon, è stato studiato da più di venti tra aziende ed enti di ricerca di tutta Europa - tra cui gli atenei di Cambridge e Maastricht, con capofila la belga Oncoradiomics - ed è stato finanziato dalla partecipata europea Innovative Medicines Initiative per 11,4 milioni di euro. 615.000 sono destinati all’ateneo fiorentino

Focus del progetto, un sistema di Intelligenza Artificiale e apprendimento automatico (federated machine learning) studiato per condividere in forma anonima i dati diagnostici e ottenere algoritmi utili alla profilazione e alla diagnostica precoce. A raccontarcelo è la dottoressa Mariaelena Occhipinti, radiologa ricercatrice e responsabile del progetto realizzato per UniFi con i professori di pneumologia Sara Tomassetti e Federico Lavorini.

Mariaelena Occhipinti

Mariaelena Occhipinti

"Il sistema - spiega - di federated machine learning è stato studiato da un team di ingegneri in modo che i dati di ogni ospedale non lascino mai il sito di appartenenza, ma contribuiscano ad ‘allenare’ il master centrale mediante lo scambio di algoritmi. Il protocollo risultante dalla convergenza di algoritmi e dati darà poi il modello, la ‘ricetta’ diagnostica più robusta. Questo protocollo incrocia i dati di centri diversi anche per utenza, sì da studiare etnie, genotipi ed esposizioni ambientali differenti nella loro risposta al Covid-19. Vengono poi elaborati nomogrammi che permettono ai medici di avere una stima prognostica precoce, fin dall’accettazione al triage. Così potremo inviare i dati di un primo test al master centrale, che suggerirà quali approfondimenti diagnostici fare, sì da indirizzare i pazienti verso ricovero e trattamento”.

In che modo l’Intelligenza Artificiale partecipa alla diagnostica?

In diversi modi, uno è quello radiologico. In parte gli algoritmi diagnostici vengono ‘istruiti’ su radiografie e TC del torace sotto la guida dell’occhio umano, e in parte poi è il master - con supervisione umana sempre minore - a studiare l’algoritmo secondo i protocolli che ha imparato, senza che l’umano interagisca con la macchina. Nel processo di deep learning esiste già una parte di elaborazione ulteriore, chiamata black box: i medici forniscono dati e la macchina emette output, ma una parte del suo ragionamento non è programmato. Per certe patologie dice infatti cose nuove, dà nuovi approcci.

I dati sono sicuri?

A essere condivisi sono gli algoritimi, i dati dei pazienti restano chiusi. Il sistema di federated machine learning, per come è stato messo a punto dall’Università di Maastricht, costituisce un approccio nuovo che ora sarà applicato al Coronavirus, e in futuro nel caso di nuove epidemie. Sono infatti molti i progetti correlati, come le app per il monitoraggio del paziente anche a domicilio, studiate con la belga Medical Cloud Company. Sempre in forma protetta - non mediante tracciamento bluetooth - il medico avrà accesso a tools per prendersi cura del paziente da remoto.

Come ha contribuito l’Università di Firenze?

La parte centrale è quella radiologica. Noi contribuiremo all’elaborazione degli algoritmi facendo un training del master centrale con le immagini ottenute dai diversi centri. In particolare poi con uno studio sull’esalato, ovvero analisi di cellule dell’apparato respiratorio espirate in un sacchetto e inviate in laboratorio: così si evitano i tamponi, e nessun operatore sanitario entra in contatto con soggetti potenzialmente contagiati. Questo verrà fatto da UniFi e dalla britannica Owlstone Medical. In più faremo un’analisi di immunofenotipizzazione delle cellule dell’apparato respiratorio basso e le confronteremo con quelle prelevate dall’esalato, cercando di evitare al paziente esami invasivi come la broncoscopia.

Continuerà nella ricerca?

Il mio contratto di ricerca è a tempo determinato su fondi esterni: pare non ci sia spazio in Università, né è previsto un cambio di posizione. Mi sono specializzata a Boston e a Rochester: valuto di tornare all’estero.

Share on social networks

Ultimo numero Civilità della Macchine

La Rivista - Civiltà delle Macchine

Settembre 2020

Il focus di questo numero è dedicato al doppio anniversario dell’Archivio e della Fondazione Ansaldo, con uno sguardo rivolto anche su Genova. L’intervista al pittore Liu Xiaodong apre invece la sezione sulla Cina; e ancora, un racconto di Barbara Frandino sull’astronomo Aristarco di Samo, e i disegni di Gastone Novelli per “Il bagno di Diana” di Pierre Klossowski.

Museums System

The Leonardo museums bear exceptional witness to the technological and industrial memory and constitute an instrument of dialogue and constant sharing between the company and the territory. They were born out of the awareness that a large part of the industrial culture of our time is not only produced by the great cultural and educational institutions, but is also formed within companies. Living, dynamic structures, corporate museums represent a point of reference for communities and territories, centres of industrial culture open to visitors, researchers, students, economic and cultural operators.

Leggi Tutto
Copyright © 2019 Leonardo S.p.A. Privacy & Cookie Policy