I modelli di Intelligenza Artificiale (AI) basati sul Deep learning permettono un’accurata analisi di dati in grado di supportare nella diagnosi precoce di molte patologie. A spiegarlo è Corrado Vecchi, ingegnere informatico specializzato nell’applicazione in campo biomedicale dell’AI e Artificial Intelligence Core Director di Fondazione EBRIS.
Viviamo in un’epoca in cui il digitale non è più solo una componente delle nostre giornate: è diventato parte integrante del nostro quotidiano. Negli ultimi anni, in particolare, si è fatta strada una nuova protagonista, l’AI, ormai al centro di molti dibattiti che dividono la popolazione in favorevoli e scettici. Questa tecnologia sta infatti rivoluzionando interi settori industriali, entrando nelle fabbriche, negli uffici e nei centri di ricerca, cambiando il modo in cui lavoriamo, comunichiamo e prendiamo decisioni. Ma cosa accade quando uno strumento così dirompente entra in uno dei campi più delicati e cruciali per l’essere umano, quello della salute? È possibile usare l’AI per supportare i medici, accelerare le diagnosi, scoprire nuovi farmaci o personalizzare le terapie? La risposta è sì.
E, in questo ambito, una disciplina oggi molto diffusa è la bioinformatica, utile in molte aree della ricerca biomedica. Infatti, in ambito sanitario si sta assistendo a una crescita esponenziale di dati, prodotti dalle macchine ad alto rendimento, che rendono necessario un approccio computazionale: l’utilizzo di algoritmi che permettono di analizzare queste informazioni in modo accurato. Dell’importanza dell’AI in campo medico, abbiamo parlato con Corrado Vecchi, ingegnere informatico e Artificial Intelligence Core Director di Fondazione EBRIS, specializzato nell’analisi dei dati generati da studi multi-omici (che combinano diverse discipline della biologia molecolare).
Quando ha deciso di specializzarsi nell’uso dell’AI in campo medico?
Negli anni 90, quando mi sono laureato, l’AI e l’informatica in genere, erano argomenti molto ermetici. In quegli anni iniziai a lavorare su modelli di prototipi di comunicazione basati su reti intelligenti presso la multinazionale Alcatel-Lucent. Poi, nel 2015, ebbi la fortuna di conoscere la Fondazione Ebris perché situata nei pressi del conservatorio Martucci, che frequentavo per specializzarmi in piano jazz. Ho iniziato a collaborare all’interno della Fondazione su un progetto finanziato da Harvard University che riguardava la celiachia e che aveva come leader il professor Alessio Fasano, Pediatra, Gastroenterologo e Presidente della fondazione. Già dai primissimi approcci rimasi affascinato della genetica e delle tecniche di ‘programmazione’ delle funzioni cellulari e da come queste possano migliorare la vita delle persone.
Quali vantaggi può portare l’utilizzo dell’AI per analizzare i dati prodotti dalle tecnologie mediche?
L’AI è divenuta oggi una disciplina indispensabile nella ricerca biomedica, essa rappresenta una scienza in continua espansione in quanto si occupa di fornire strumenti informatici che permettano di analizzare e interpretare enormi quantità di dati e informazioni acquisite in ambito biologico, utilizzando metodi matematici, statistici e informatici. L’AI applicata all’analisi delle scienze omiche tenta di cambiare completamente il modo di fare medicina sia per quanto riguarda la diagnosi sia per la terapia, con quella che viene definita la “medicina personalizzata”.
Pexels / Artem Podrez
In alcuni studi ha dimostrato che, in riferimento all’autismo, l’analisi multi-omica basata sull’AI può identificare biomarcatori coinvolti nello spettro: in che modo?
Si tratta del progetto GEMMA, concepito come approfondimento dell’interscambio intestino-cervello e della conoscenza dell’autismo, disturbo cresciuto esponenzialmente negli ultimi anni. Il progetto, nella sua indagine di ricerca prospettica multicentrica e multi-omica, cerca innanzitutto di capire perché gli stessi fattori di rischio genetici, condivisi da due bambini, a un certo punto del loro percorso di crescita divergano e, in particolare, cosa può causare la svolta verso un percorso patologico. Da analisi preliminari elaborate su modelli AI applicate a una coorte ridotta, quella a oggi disponibile, sembra ci sia una specifica firma, riguardo il disturbo dello spettro autistico, nella composizione del microbioma. Questo risultato è stato anche pubblicato in report scientifici e, se confermato, avrebbe la possibilità di diagnosticare la patologia autistica con largo anticipo e quindi agire sulle cause con nuovi farmaci a base di integratori alimentari. Stiamo lavorando per poter presentare una nuova proposta alla Commissione europea con lo scopo di poter confermare i preziosi biomarcatori, intravisti dai primi risultati di GEMMA, su un campione più esaustivo.
In quali altri campi è possibile l’applicazione di questo metodo?
I modelli AI basati su Deep learning, come quelli che sviluppiamo in EBRIS, rappresentano soluzioni scalabili, flessibili e quindi integrabili in tante altre applicazioni che riguardano il miglioramento dei criteri diagnostici come, per esempio, l’imaging ossia l’automazione nella refertazione in radiologia, nella prototipazione di nuovi farmaci, nel trattamento dei dati forniti da ‘dispositivi indossabili’ come smartwatch, smartphone. E in molti altri ambiti.
