Solo nel 2022 sono state 40.500 le diagnosi di tumore della prostata in Italia, una neplasia la cui prevalenza aumenta con l’età: dal 5% negli under 30 al 59% negli over 79. Ecco allora che una delle sfide è favorire il più possibile una diagnosi precoce. La scommessa europea, portata avanti da un team di ricerca interdisciplinare composto da 11 partner (fra cui un Irccs italiano), è quella di sfruttare l’AI per migliorare la diagnosi del tumore della prostata, riducendo il numero di biopsie non necessarie. Il tutto a vantaggio dei pazienti, ma anche del sistema sanitario.
Il progetto
La Commissione Europea ha concesso un finanziamento totale di 7 milioni di euro al team di cui fa parte l’Istituto Romagnolo per lo Studio dei Tumori ‘Dino Amadori’ – IRST Irccs di Meldola.
Il progetto Flute intende sviluppare uno strumento di intelligenza artificiale all’avanguardia per la diagnosi di questa neoplasia maschile. “La sopravvivenza a 5 anni nel tumore della prostata in Italia supera il 90% e abbiamo a disposizione diversi strumenti per contrastare la malattia, dalla chirurgia alla chemioterapia alla radioterapia alle terapie mirate fino alla medicina nucleare”, ha spiegato Giovanni Martinelli, direttore scientifico dell’Istituto ‘Dino Amadori’.
Il progetto “è destinato a rivoluzionare l’utilizzo dei dati sanitari, grazie a un approccio che preserva la privacy dei pazienti, garantendo che i dati non debbano lasciare i database ospedalieri sicuri in cui sono archiviati. Il progetto integrerà i progressi tecnici in una piattaforma all’avanguardia, progettata per fornire un ambiente sicuro per lo sviluppo, il test e la diffusione di soluzioni di Intelligenza artificiale sanitaria”.
“Uno degli obiettivi è validare il modello di Federated Learning nella cura del tumore della prostata – ha aggiunto Nicola Gentili, coordinatore Data Unit dell’IRST ‘Dino Amadori’ Irccs e Principal Investigator del Progetto Flute – Oltre a quelle cliniche, vi sono anche finalità metodologiche molto importanti. Infatti nel consorzio sono inclusi sia centri di cura che partner tecnologici. Il Federated Learning – ha precisato – è una tecnica di Machine Learning collaborativo capace di sfruttare le conoscenze presenti in più banche dati, senza la necessità di metterle in comune. In questo modo i dati rimangono all’interno dei centri che li possiedono, in totale sicurezza, e vengono utilizzati per creare un modello predittivo comune, cioè un algoritmo condiviso”.
Gli 11 membri del consorzio
Ecco i centri coinvolti nel progetto triennale: Inria Lille – Nord Europa (Francia), a cui è stato affidato il ruolo di coordinatore del progetto, Arteevo Technologies Ltd (Israele), Centre Hospitalier Universitaire De Liege (Belgio), Fundacio Hospital Universitari Vall D’Hebron – Institut De Recerca (Spagna), Gradiant (Spagna), HL7 International Foundation, Istituto Romagnolo per lo Studio dei Tumori ‘Dino Amadori’ – IRST Irccs di Meldola (Italia), Quibim (Spagna), Technovative Solutions Ltd (Regno Unito), Time.Lex (Belgio), Universitat Politecnica De Catalunya (Spagna).
