Integrazione dei principi di data FAIRness per favorire la trasferibilità delle applicazioni avanzate di AI alla Medicina
Abstract
Progetti di ricerca in collaborazione fra Università/Enti di ricerca e altri soggetti pubblici o privati con l’obbiettivo di sostenere percorsi di alta formazione che integrino le conoscenze teoriche con le competenze realizzate in specifici contesti d’esperienza.
Nome del Progetto
FAIR-AIM
Anno di pubblicazione
2021
Capofila
INFN
Nome del bando
Progetti di Alta Formazione attraverso l’attivazione di Assegni di Ricerca (Bando assegni di ricerca anno 2021)
Durata prevista
24 Mesi
180.000 €
Costo totale del progetto
90.000 €
Contributo erogato
3
Borse totali
Descrizione Bando
La recente rinnovata enfasi sull’utilizzo di tecniche di Intelligenza artificiale (AI), incluso il machine learning (ML) e il deep learning (DL), in innumerevoli campi della ricerca e della vita quotidiana, stimola l’interesse allo sviluppo e implementazione in ambito medico di strumenti innovativi basati su queste tecnologie. La realizzazione di tali strumenti richiede l’impiego di fonti ampie di dati (Big Data) per l’addestramento dei modelli. Nonostante diverse tecnologie permettano già oggi la gestione di una grossa varietà di dati biomedicali, la frammentazione di tutte queste informazioni e la necessità di soluzioni trasparenti, affidabili e sicure vede comunque l’enorme potenziale a disposizione ancora fortemente inespresso. In diversi ambiti della ricerca viene ormai richiesto che i dati siano FAIR, ossia: Findable, Accessible, Interoperable, Reusable. Questo aspetto è fondamentale anche per lo sviluppo e la validazione di metodi basati su AI in Medicina (AIM). Il progetto FAIR-AIM intende affrontare una serie di sfide relative all’applicazione di metodi di AI in ambito medico, sia attraverso lo studio di soluzioni alle problematiche tecnologiche sottostanti relative a reperibilità, accessibilità, interoperabilità sia mediante riusabilità dei dati, sia con lo sviluppo e l’integrazione di metodi di ML e DL all’avanguardia, quali Natural Language Processing (NLP) per analisi dei referti, analisi di Radiomica, ML e DL per la costruzione di modelli predittivi basati su dati di imaging. La collaborazione tra l’INFN, i cui ricercatori delle Sezioni di Pisa e Firenze sono esperti di analisi di big data in diversi ambiti della ricerca incluso quello biomedicale, e la ditta EBIT, che ha una consolidata esperienza nello sviluppo di soluzioni digitali nell’Information Technology (IT) per la sanità, ha una grande potenzialità di identificare soluzioni ottimali volte a migliorare i flussi di lavoro nella clinica, integrando strumenti basati su AI. Inoltre, la partecipazione al progetto di portatori di interesse quali la Azienda USL Toscana Nord Ovest, la Sezione di Radioterapia del Dip. di Scienze Biomediche Sperimentali e Cliniche “Mario Serio” dell'Università di Firenze, l’IRCCS Fondazione Stella Maris e la ditta Net7, garantiranno che il percorso di alta formazione degli assegnisti di ricerca integri fin dall’inizio il punto di vista di chi già lavora nel Sistema Sanitario Regionale oppure è parte della realtà industriale regionale.
Parole chiave:
NATURAL LANGUAGE PROCESSING, RADIOMICA E MACHINE LEARNING E DEEP LEARNING, INTEROPERABILITÀ E RIUSABILITÀ
