It looks like you are using an older version of Internet Explorer which is not supported. We advise that you update your browser to the latest version of Microsoft Edge, or consider using other browsers such as Chrome, Firefox or Safari.

Un sistema per ottenere le immagini di una risonanza magnetica (Rnm) in 10 secondi, grazie all’intelligenza artificiale, è stato presentato in questi giorni, in anteprima mondiale, al CompMat Spring Workshop, l’evento dedicato alle nuove frontiere del machine learning e della matematica computazionale, organizzato dall’Università di Pavia.

Grazie a due borse di studio finanziate dal centro neurologico pavese di eccellenza, due ricercatori, il trentenne Leonardo Barzaghi e dalla ventiseienne Raffaella Fiamma Cabini, dottorandi del Centro “BioData Science” della Fondazione Mondino, hanno studiato lo sviluppo degli algoritmi di machine learning e deep learning per la previsione di biomarcatori quantitativi delle malattie dell’apparato muscolo-scheletrico.

"Per supportare la diagnosi e aumentare la qualità delle immagini anatomiche ad alta risoluzione ottenute tramite la risonanza magnetica – spiega Barzaghi, attivo nell’Advanced Imaging and Artificial Intelligence Center del Mondino - negli ultimi anni sono state sviluppate tecniche che permettono di quantificare le proprietà fisiche dei tessuti patologici. L’uso dei modelli più evoluti di intelligenza artificiale consente oggi di accelerare i tempi di acquisizione delle informazioni quantitative della patologia come, ad esempio, quelle relative alla quantità dell’infiammazione, dell’atrofia e la percentuale di grasso. Grazie alle reti neurali” dell’intelligenza artificiale “si possono ottenere immagini in pochi secondi, abbattendo i tempi necessari con i metodi standard, quantificabili in ore".

La ricerca di Barzaghi si è concentrata sulle immagini cliniche, mentre quella di Cabini su quelle precliniche. "Uno dei settori della nostra indagine ha riguardato la tecnica della “risonanza magnetica fingerprinting”, che consente di acquisire e calcolare in modo efficiente e più veloce, rispetto ai metodi tradizionali, mappe quantitative che rappresentano le proprietà dei tessuti. A differenza delle immagini convenzionali di risonanza magnetica, queste nuove immagini offrono misurazioni quantitative e replicabili dei parametri specifici dei tessuti. Il vantaggio principale di questa tecnica – sottolinea la ricercatrice, attiva nell’International Center for Advanced Computing in Medicine dell’Università di Pavia - è la riduzione dei tempi di acquisizione, così da migliorare il comfort del paziente durante l’esame di risonanza magnetica e apportare vantaggi economici alle strutture sanitarie, sia in termini di risparmio energetico per il funzionamento delle macchine sia per la possibilità di analizzare più pazienti".

"Fin dalla sua nascita avvenuta nel 2017, il Centro BioData Science – commenta la responsabile scientifica, Silvia Figini, direttrice del dipartimento di Scienze politiche e sociali dell’ateneo – ha indirizzato la sua attività di ricerca nello sviluppo di algoritmi per l’analisi automatica di immagini biomediche, sia in ambito clinico che preclinico”. I risultati ottenuti da Barzaghi e Cabini incoraggiano l’ulteriore applicazione delle tecniche di machine learning, deep learning e modellistica matematica in ambito clinico, offrendo nuove opportunità di ricerca. “Proseguiremo il lavoro che abbiamo iniziato - conclude - sviluppando metodi innovativi che consentano di velocizzare, aiutare e migliorare la valutazione delle analisi mediche".

24/05/2023

Curated Tags

Stai lasciando l'area PAG

Ora sarai reindirizzato su un contenuto dell'area pubblica