Intelligenza Artificiale

L’AI è uno dei pillar principali della ricerca del Centro di Ricerca GPI, fondato per raggiungere obiettivi innovativi legati al mondo della Sanità Digitale. La finalità dei diversi progetti di AI è la realizzazione di modelli computazionali in grado di dare supporto al delivery di servizi sanitari in tre principali modi:

1. CLUSTERING
2. ASSESSMENT
3. PREDICTION

CLUSTERING

Il clustering o analisi dei gruppi è un insieme di tecniche di analisi multivariata dei dati, per la selezione e raggruppamento di elementi omogenei, in un insieme di dati.  

USE CASE

Stratificazione rischio sanitario della popolazione per la definizione ottimale delle priorità vaccinali Covid

Definire Cluster Omogenei in base alla domanda di salute della popolazione di riferimento.

AI TRUTH – Artificial Intelligence For Risk Stratification Of Thrombus Formation In Structural Heart Intervention

La strategia di stratificazione si basa su un innovativo sistema di supporto decisionale basato sull’intelligenza artificiale (AI-DSS), costituito da due componenti principali: 

• simulazioni computazionali complesse e convalidate, specifiche per il paziente, forniranno informazioni quantitative sulla risposta strutturale e fluidodinamica del LA all’impianto. 
• un modello di Intelligenza Artificiale (AI) sviluppato ad hoc, basato sui dati, elaborerà l’enorme quantità di dati ottenuti integrando i risultati computazionali e i dati clinici del mondo reale.

ASSESSMENT

Algoritmi progettati per valutare un fenomeno in base a variabili oggettive. In questo caso, l’IA  viene utilizzata nella valutazione per evitare che i bias umani abbiano un impatto distorsivo e per rendere gli assessment più efficienti.

USE CASE

Talking About: Speech Emotion Recognition (SER)

Negli ultimi anni è cresciuto l’interesse per la costruzione di tecnologie in grado di eseguire il riconoscimento delle emozioni vocali (Speech Emotion Recognition, SER) a partire dal parlato umano. Il progetto “Talking About” consiste in una suite di algoritmi di intelligenza artificiale per costruire un dispositivo SER affidabile a partire dal parlato umano.

Assessment Piaghe da Decubito (imaging)

L’individuazione e la classificazione delle ulcere da pressione è un compito dalle molte sfaccettature. La classificazione automatica delle ulcere da pressione ha richiesto due agenti di IA interattivi: uno per eseguire la segmentazione (cioè separare l’ulcera dallo sfondo) e l’altro per eseguire la classificazione vera e propria (ad esempio, per classificare l’ulcera come avente tessuto di limo, granulazione o necrotico).

PREDICTION

All’interno dei dati gestiti, questi algoritmi sono in grado di identificare, pattern che “di tendenza” o “con grande probabilità” possono essere considerati precursori o concomitanti di un fenomeno di salute.

USE CASE

RIPE: Risk Prediction in Elderly people

Nell’ambito del Progetto RI.P.E. sono stati sviluppati modelli predittivi con tecniche di Machine Learning, in grado di fornire indicazioni su: 

• metabolismo del glucosio (previsione dei valori medi di glucosio nel sangue), 
• insufficienza renale (previsione dei valori medi di creatinina), 
• ipertensione (previsione dei valori medi di pressione arteriosa).

Algoritmo di Monitoraggio COVID 19

Basato su Frequenza Respiratoria e Frequenza Cardiaca, l’algoritmo riconosce i picchi delle frequenze dovuti ad attività motorie della persona in monitoraggio, distinguendoli da andamenti a covarianza positiva degli stessi, tipici di una tendenza verso l’insufficienza respiratoria, è quindi in grado di lanciare allarmi intelligenti e tempestivi.