Il team del laboratorio di Medical Imaging del Dipartimento BiND-Biomedicina, Neuroscienze e Diagnostica Avanzata dell’Università degli Studi di Palermo ha sviluppato una delle tre migliori soluzioni all’Hackathon for Explainability in AI-based COVID Prognosis organizzato nell’ambito del Covid CXR Hackathon, competizione internazionale sull’utilizzo dell’Intelligenza Artificiale per la prognosi del Covid-19, con particolare riferimento all’accuratezza e alla spiegabilità dei risultati.

Il gruppo di ricerca, coordinato dal prof. Salvatore Vitabile del Dipartimento BiND, è composto dagli ingegneri Francesco Prinzi e Tiziana Currieri, studenti del Dottorato di Ricerca in Biomedicina, Neuroscienze e Diagnostica avanzata, dall’ingegnere Carmelo Militello, ricercatore dell’Istituto di Bioimmagini e Fisiologia Molecolare del CNR, e dall’ingegnere Alberto Gallo, studente del Corso di Laurea Magistrale in Ingegneria Informatica.

«L’Intelligenza Artificiale Spiegabile o Explainable AI - dichiara il prof. Salvatore Vitabile - fa riferimento ad un insieme di metodi e processi innovativi in grado di rendere trasparente il funzionamento e la logica interna degli algoritmi di Machine Learning, tradizionalmente di tipo black-box, consentendo agli utenti, nel caso in esame medici e pazienti, di comprendere e considerare attendibili e affidabili i risultati e le diagnosi prodotte».