,allowExpansion)
X-RAIS: AI al supporto della diagnostica per immagini
Uno strumento AI di analisi di immagini medicali basato su reti neurali sviluppato da Laife Reply
)
Deep learning per lo screening del cancro al seno
Deep learning per lo screening del cancro al seno
Le soluzioni di intelligenza artificiale (AI) stanno trasformando il nostro mondo, diventando sempre più pervasive nella sanità e nel modo in cui viene fornita l’assistenza sanitaria.
Le pratiche cliniche e scientifiche producono quotidianamente una mole rilevante di dati, il cui potenziale rischia di non essere valorizzato se non si dispone di strumenti informatici adeguati.
Si evidenzia tuttavia da perte delle aziende sanitarie la predisposizione crescente nei confronti di investimenti in sanità digitale, al fine di promuovere lo sviluppo di modelli di cura basati su piattaforme AI per la valorizzazione dei dati.
La soluzione
,allowExpansion)
X-RAIS è una piattaforma AI di analisi di immagini medicali basata su reti neurali e radiomica, verticalizzata su differenti metodiche di diagnostica (e.g. radiografia, ecografia, TC, RM, etc.) e su specifici distretti anatomici.
X-RAIS affianca il medico come un assistente cognitivo nelle fasi di diagnosi e refertazione suggerendo in modo automatico aree sospette e relativa classificazione, con l’obiettivo di ridurre il numero di diagnosi errate e migliorare l’efficienza dell’intero processo diagnostico.
X-RAIS nasce dall'unione delle competenze tecnologiche di Laife Reply e dalle conoscenze di dominio di diverse aziende sanitarie, le quali hanno contribuito allo sviluppo della soluzione fornendo numerosi dati clinici e condividendo la loro esperienza applicata ai processi clinici.
Alcuni esempi di applicazioni
;Resize,width=48,height=48){kind=small}
Immagini mammografiche
La prima specializzazione di X-RAIS riguarda l'analisi di immagini mammografiche al fine di supportare il radiologo nella fase di diagnosi e refertazione. Il tumore della mammella è infatti il più diffuso tra le donne (30,3% - fonte AIRC) e la sua diagnosi richiede personale altamente specializzato.
Diversi partner scientifici hanno collaborato attivamente al progetto, fornendo sia i dati clinici anonimizzati che il know-how per la loro annotazione. In particolare le partnership con IRCCS IEO, ICS Maugeri e ULLS2 Marca Trevigiana hanno consentito l’addestramento di modelli rispettivamente per la localizzazione e classificazione di microcalcificazioni sospette, radiopacità e lesioni mammarie sospette.
;Resize,width=48,height=48){kind=small}
Radiografie al torace
Durante la pandemia Covid-19, all'interno del progetto ALFABETO - progetto sviluppato in partnership con ICS Maugeri e Università degli Studi di Pavia - X-RAIS è stato specializzato per l'analisi di radiografie al torace e dati clinici associati. In particolare tale soluzione ha permesso di supportare il personale sanitario nella fase di triage presso il domicilio del paziente sintomatico. Analizzando i dati strumentali, anamnestici e la radiografia al torace, X-RAIS valuta il grado di severità della patologia suggerendo al personale sanitario la migliore strategia di assistenza da attuare.
;Resize,width=48,height=48){kind=small}
Risonanze magnetiche all'encefalo
Grazie alle continue attività di ricerca e sviluppo è stato possibile sviluppare una nuova specializzazione di X-RAIS per l'analisi di immagini 3D, nello specifico le risonanze magnetiche all'encefalo. In questo ambito sono stati addestrati modelli di intelligenza artificiale capaci di segmentare e classificare il livello di severità del glioma, il tumore più frequente che colpisce il sistema nervoso centrale ad alto grado di malignità la cui crescita è sia diffusiva che proliferativa.
I benefici
X-RAIS, in quanto sistema autonomo di analisi di immagini medicali, implementa un supporto operativo per il personale medico nella fase di diagnosi e di refertazione, migliorando l’efficienza dell’intero processo diagnostico.
Grazie all'analisi automatica degli esami, X-RAIS è in grado di effettuare lo smart triage. Infatti X-RAIS analizza le immagini cliniche acquisite dalle apparecchiature diagnostiche, le processa e restituisce al PACS gli esiti (lesioni identificate e report), indicando esami in cui sono presenti esiti sospetti. In questo modo tali esami assumono automaticamente alta priorità per il personale specializzato.
Nelle pratiche di screening risulta quindi di primaria importanza, visti i numeri altissimi di esami e il poco tempo a disposizione per interpretarli. Al fine della prevenzione, intercettare i pazienti con esiti sospetti permette di effettuare azioni tempestive riducendo sensibilmente i tempi di attesa per le successive indagini di approfondimento.
Per le aziende sanitarie X-RAIS costituisce un nuovo supporto al processo decisionale nella pratica clinica quotidiana, consentendo una riduzione dei rischi correlati a diagnosi errate e un miglioramento della patient experience grazie alla gestione tempestiva dei follow-up.
Approccio SAAS
La piattaforma è costituita da moduli tecnologici (es. API, Web Services, etc.) per la connessione ai sistemi diagnostici (RIS, PACS, etc.) attraverso l'integrazione di nodi DICOM, routine per la anonimizzazione e protezione dei dati sensibili e moduli verticali per la value based healthcare.
I servizi cognitivi e di Artificial Intelligence offerti da architetture cloud consentono ad X-RAIS di essere applicato operativamente in qualsiasi contesto. X-RAIS garantisce integrità e confidenzialità dei dati, fondamentali alla luce delle nuove normative sulla privacy vigenti (GDPR). X-RAIS può essere fruito a servizio con modalità Pay-Per-Use o con sottoscrizioni periodiche. In casi specifici la particolare architettura di X-RAIS consente anche un’installazione o utilizzo on-prem.
Prossime sfide
Allo stato attuale sono in corso le attività di ricerca e sviluppo di ulteriori specializzazioni della piattaforma ad esempio imaging istopatologico legate all'individuazione di nuovi biomarcatori.
Le immagini istologiche e citologiche contengono moltissime informazioni complementari e correlabili ad altri indicatori clinici, genomici e di laboratorio.
Grazie alla disponibilità di strumentazione di analisi avanzata, è possibile digitalizzare diversi tipi di tessuti, estrarre nuovi biomarcatori e sviluppare modelli di intelligenza artificiale al fine di migliorare la diagnosi e la prognosi di una patologia specifica per singolo paziente (medicina di precisione).
,allowExpansion)
Laife Reply, la Business Unit del gruppo Reply, opera nei settori Health, Welfare e Pharma e realizza soluzioni di intelligenza artificiale che spaziano dal Medical Imaging, Drug Discovery, Digital Therapeutics al Natural Language Processing per l’analisi di dati non strutturati.