Progetto ISS per migliorare esami TAC
Incontro di apertura per il progetto “Intelligenza artificiale e tecniche mutuate dalle scienze fisiche per una efficace ottimizzazione degli esami TAC”.
Tanti i partner coinvolti; l’Azienda Ospedaliera Universitaria Careggi, il dipartimento di Fisica dell’università di Firenze e il Centro Nazionale Tecnologie Innovative per la Salute Pubblica (TISP) dell’ISS.
Sono state tracciate le linee di azione essenziali per portare avanti il progetto. “È necessario applicare nelle immagini diagnostiche nuove metodiche innovative nel campo dell’astrofisica per l’analisi di matrici di dati tridimensionali e, allo stesso tempo, applicare metodologie di assicurazione di qualità, per la determinazione di standard di riferimento adeguati a rendere efficace e appropriato l’utilizzo delle tecniche di Intelligenza artificiale (IA) sulle immagini stesse” dichiara l’Ing. Mauro Grigioni, Direttore del TISP
Per quest’ultima in particolare il centro TISP ha sottolineato la rilevanza di qualificare i Dataset per l’IA e di definire le caratteristiche della biobanca locale; il centro TISP si occuperà delle metodologie di valutazione per garantire robustezza al complesso dei processi che intervengono nelle prestazioni sanitarie. In particolare saranno inclusi i protocolli diagnostico-terapeutici nelle scienze radiologiche.
Per Rocco Damone, Direttore Generale del Careggi il progetto è di grande rilevanza strategica e “permetterà di estendere i risultati alle attività e servizi dell’ospedale per i quali l’implementazione di tecnologie di IA rappresenterà sicuramente un valore aggiunto”.
A complemento dell’azione istituzionale il centro TISP apre un Tavolo di Lavoro presso l’ISS su “IA e Big Data” con esperti di diverse istituzioni per promuovere indirizzi in merito alla qualità dei Dataset e alle Policy da adottare per Database Multisito (ovvero Big Data provenienti da differenti sedi). Si partirà con il caso studio della TAC e le nuove normative EURATOM in tema di “dose reporting” nel referto, visto il grande interesse nell’implementazione della IA nelle tecniche di imaging radiologiche ma le raccomandazioni risultanti potranno essere generalizzate ad altre tipologie di Dataset multiformato (Big Data) che rappresentano la fonte che alimenta il training dei programmi di IA.
