Dalla diagnosi alla terapia: il ruolo dell’IA nella fisica medica

L’Intelligenza Artificiale al servizio della salute (Angela Coniglio, Ministero della Salute)

L’utilizzo dell’Intelligenza Artificiale (IA) nel settore della salute sta trasformando radicalmente la medicina, sempre più orientata ad un approccio preventivo e personalizzato. L’IA interviene in diverse fasi del percorso di cura, con l’obiettivo di migliorare l’efficacia dei trattamenti e l’efficienza dei sistemi sanitari. Il settore è in forte fermento, anche a livello nazionale, poiché il 78% delle aziende MedTech italiane utilizza già l’IA nelle proprie soluzioni e diverse fondazioni e istituzioni ospedaliere stanno promuovendo iniziative specifiche per integrare queste tecnologie nella sanità pubblica. Ma siamo davvero pronti per questa rivoluzione? Quali le insidie e gli aspetti da considerare? Un breve viaggio, tra luci e ombre di robot, algoritmi e occhi bionici.

Imparare dai dati per capire l’origine delle infezioni batteriche (Alessandra Merlotti, UNIBO)

Capire da quali animali o alimenti hanno origine le infezioni batteriche, come la salmonellosi, è di fondamentale importanza per poter sviluppare strategie di prevenzione efficaci. Grazie alla crescente disponibilità di dati genomici, è possibile creare modelli sempre più precisi, che consentono di effettuare interventi mirati all’interno della filiera alimentare. In questo incontro vedremo com’è possibile sviluppare un metodo per identificare la fonte delle infezioni, utilizzando una rappresentazione a rete ed elementi di machine learning. 

Intelligenza Artificiale e radioterapia: come emulare il calcolo della dose e migliorare i piani di trattamento (Carlo Mancini Terracciano, Sapienza Università di Roma)

La radioterapia con fasci esterni richiede di calcolare con precisione come la dose venga distribuita nel corpo del paziente, così da colpire il tumore e risparmiare il più possibile i tessuti sani. I metodi Monte Carlo sono tra i più accurati per questo scopo, ma hanno spesso costi computazionali elevati. In questo intervento mostrerò come il deep learning possa essere usato per emulare il calcolo della dose, prendendo ispirazione da architetture oggi note anche nel campo della generazione di immagini. Dopo una breve introduzione alla radioterapia e all’ottimizzazione del piano di trattamento, discuterò come si addestrano questi modelli e come la loro natura differenziabile permetta di usare algoritmi basati sulla discesa del gradiente per ottimizzare direttamente il piano. Il risultato è un possibile cambio di paradigma: mantenere il legame con la fisica del problema, ma con strumenti molto più rapidi e adatti a una pianificazione automatizzata.