Gazzetta di Modena

MODENA. Superare i limiti dei dati medici tradizionali con immagini generate artificialmente: è questa la sfida ambiziosa del progetto “Synthetic Data: A Solution to Medical Imaging Limitations”, guidato dal professor Federico Bolelli dell’UniMore.

Qui, l’intelligenza artificiale si spinge oltre il semplice riconoscimento di immagini, e diventa un vero e proprio strumento di creazione, con l’obiettivo di produrre dataset sintetici altamente realistici. Con questo approccio, si può trasformare radicalmente il settore dell’imaging medico, migliorando le prestazioni dei modelli di deep learning, abbattendo i costi legati alla raccolta di dati reali e garantendo la massima tutela della privacy dei pazienti.

«Un punto di svolta»

Il progetto, che riceverà un finanziamento di circa 70mila euro nell’ambito del bando Far 2024 – Linea Fomo della Fondazione di Modena, è solo uno dei quattro selezionati da Unimore per il settore delle Scienze fisiche, chimiche e ingegneristiche. Accanto a quello guidato dal professor Bolelli, altri tre progetti di ricerca hanno ottenuto il sostegno dell’ateneo, a dimostrazione di un forte investimento nella ricerca scientifica d’avanguardia. «Ringraziamo l’ateneo e la Fondazione di Modena per questo importante sostegno – afferma Bolelli –. L’uso di dati sintetici rappresenta un punto di svolta per il settore dell’imaging medico. I dataset generati artificialmente possono garantire una maggiore equità nei modelli di intelligenza artificiale, eliminando problemi di sbilanciamento e migliorando l’accuratezza diagnostica». «L’idea - prosegue a spiegare - nasce dalla necessità di affrontare tre ostacoli fondamentali: l’accesso limitato a immagini mediche reali per ragioni etiche e normative, i costi e i tempi elevati per la loro acquisizione e annotazione, e la difficoltà di reperire dati su patologie rare. Grazie alle reti neurali generative, il progetto punta a creare immagini di tre tipologie specifiche – Cbct, Wsi e Raggi X – che potranno essere utilizzate per l’addestramento di algoritmi di intelligenza artificiale, migliorando così la loro capacità di rilevare patologie con precisione sempre maggiore».

«Molteplici vantaggi»

Attualmente, infatti, la disponibilità di dati medici è un problema cruciale per lo sviluppo di sistemi di intelligenza artificiale nel settore sanitario. Le immagini radiologiche, ad esempio, sono protette da rigide normative sulla privacy, e ottenere un numero sufficiente di casi per addestrare un algoritmo affidabile richiede spesso anni di raccolta e annotazione manuale da parte di esperti. Inoltre, alcune malattie sono talmente rare che i dataset attualmente disponibili contengono pochissime immagini, rendendo difficile l’addestramento di modelli in grado di riconoscerle con precisione.

Ed è qui che entrano in gioco i dati sintetici: immagini create artificialmente che imitano in modo realistico le caratteristiche di quelle reali, permettendo di ampliare enormemente la quantità di dati disponibili per la ricerca e l’addestramento di reti neurali. «I vantaggi di questa tecnologia saranno molteplici», commenta Bolelli.

«Un supporto, non un sostituto»

Ma tutto ciò non rischia di contribuire, nel lungo periodo, alla sostituzione del lavoro umano? Un’intelligenza artificiale capace di creare dati e riconoscere patologie non potrebbe, un domani, prendere il posto dei radiologi o di altri specialisti dell’imaging medico? Secondo Bolelli, questo pericolo non esiste: «L’intelligenza artificiale è uno strumento di supporto, non un sostituto della competenza umana. I medici non sono e non saranno mai rimpiazzabili. Il sistema facilita il loro lavoro, ma la decisione finale spetta sempre all’essere umano e alle sue competenze. L’idea è di fornire un supporto concreto ai professionisti, non di eliminare il loro ruolo. L’unica cosa che vogliamo davvero - conclude - è trasformare l’intelligenza artificiale in un’alleata per la sanità del futuro in grado di velocizzare e semplificare l'iter medico».

© RIPRODUZIONE RISERVATA