Salta al contenuto principale
Passa alla visualizzazione normale.

Intelligenza artificiale per lo studio del carcinoma orale: progetto UniPa finanziato dal bando PRIN 2022

Ascolta

Un progetto sullo studio del carcinoma orale mediante l’utilizzo dell’intelligenza artificiale, guidato dalla prof.ssa Olga Di Fede, associata del Dipartimento di Discipline Chirurgiche Oncologiche e Stomatologiche dell’Università degli Studi di Palermo, è stato ammesso al finanziamento di 224.798 euro sul bando PRIN - Progetti di Ricerca di Rilevante Interesse Nazionale 2022.

Al progetto, dal titolo “OCAX - Oral CAncer eXplained by DL-enhanced case-based classification”, collaborano la prof.ssa Sabrina Senatore, ordinaria del Dipartimento di Ingegneria dell'Informazione ed Elettrica e Matematica applicata dell’Università degli Studi di Salerno, e il prof. Giuseppe Guglielmi, ordinario del Dipartimento di Medicina Clinica e Sperimentale dell’Università degli Studi di Foggia.

«OCAX si propone di contribuire al raggiungimento dell’eccellenza nel campo della prevenzione, della diagnosi e cura del cancro orale attraverso la ricerca scientifica, l’innovazione costante e l’attenzione verso i pazienti – spiega la prof.ssa Olga Di Fede.
In particolare, il progetto mira a adottare soluzioni di Deep Learning (DL) nella visita del cavo orale per generare un cambiamento di paradigma nei processi di screening e diagnosi del carcinoma orale a cellule squamose. Questo è caratterizzato da una significativa mortalità e morbilità, per la sua diagnosi tardiva e l'impatto delle terapie sulla qualità della vita del paziente. I professionisti del cavo orale giocano un ruolo importante nella diagnosi precoce attraverso visite periodiche. La prognosi migliora significativamente quando questo tumore viene accuratamente diagnosticato, studiato e trattato in fase precoce.
Per affrontare tali problematiche, il progetto di ricerca propone un metodo innovativo, chiamato DL-CBR in quanto si basa sulla combinazione di DL e Case-Based Reasoning (CBR), per la spiegazione post-hoc della risposta del sistema. Il metodo proposto permetterà al medico di ripercorrere la decisione e usare il proprio giudizio, che è una chiave per un processo decisionale sicuro e affidabile. Il sistema di supporto decisionale DL-CBR si rivolgerà anche ai medici meno esperti. Il dataset e il sistema elaborato saranno rilasciati pubblicamente, per favorire la collaborazione tra i centri clinici sulla raccolta dei dati, e la collaborazione tra i centri di sviluppo dell'apprendimento automatico sul benchmarking
».