Dipartimento di eccellenza | Ricerca

Embedded Systems per la Medicina Digitale

L’ampia diffusione di sistemi embedded sempre più efficienti ed il contemporaneo sviluppo di sensori e dispositivi medici intelligenti ha reso l’ambito del Mobile Health una risorsa cruciale per la medicina digitale. I dati acquisiti da sensori indossabili, ingeribili e incorporati in terminali mobili possono essere raccolti ed elaborati tramite tecniche di Data Analytics e Intelligenza Artificiale e fornire così al personale medico-sanitario la possibilità sia di tracciare le abitudini degli utenti o monitorare lo sviluppo di patologie croniche, sia di rilevare l’eventuale insorgenza di una condizione critica.

In questo contesto la ricerca del DIEM si svilupperà in diverse direzioni: in primo luogo, si svilupperanno algoritmi innovativi per l'analisi e l'interpretazione in tempo reale di dati provenienti da sensori wearable eterogenei. A queste si accompagnerà lo studio e lo sviluppo di architetture in grado di sfruttare tutto il potenziale dei nodi periferici (edge computing) per gestire non solo compiti funzionali ma anche di elaborazione dati, analisi, correlazione e inferenza. È di tutta evidenza come queste due linee di ricerca siano assolutamente complementari e integrate, ma devono essere affiancate dallo studio e lo sviluppo di metodologie per elevare il grado di sicurezza hardware e software di tali sistemi.

L’integrazione di competenze ed esperienze assicurate dalle aree scientifiche presenti nel DIEM consentirà lo sviluppo di metodologie innovative volte all'implementazione di applicazioni e servizi sanitari distribuiti affidabili, in grado di garantire sia una gestione e distribuzione intelligente delle attività computazionali sia una effettiva resilienza a problemi di sicurezza e affidabilità della rete che sarebbero estremamente negativi in caso di situazioni critiche.

Intelligenza Artificiale per la Medicina Digitale

L’Intelligenza Artificiale e le relative tecnologie cognitive stanno aprendo scenari totalmente dirompenti in ambito sanitario e medico. Si pensi alle possibilità offerte dalla medicina di precisione che, mediante le tecniche di Machine Learning (ML), analizza moli enormi di dati per migliorare le capacità diagnostiche e la predittività di risposta alla terapia, in modo da pianificare i trattamenti in base alle caratteristiche individuali.

In questo ambito, le attività di ricerca del DIEM riguarderanno metodi basati su Machine Learning per la diagnostica per immagini che diano al personale medico strumenti utili a migliorare l’accuratezza e la sensibilità delle diagnosi basate su tecnologie di imaging avanzate. Accanto a queste, saranno sviluppate metodologie di IA per l’analisi di dati omici, sia basate su una singola tipologia (genomici, proteomici, metabolomici), sia basate sulla fusione di tipologie diverse (multi-omici), sia basate sulla fusione di dati di imaging e genomici (radiogenomica).

Oltre agli approcci che permettono una “personalizzazione” delle attività terapeutiche ed assistenziali, saranno considerate anche tecnologie basate sull’IA che possono migliorare altri aspetti. In particolare, saranno sviluppate tecniche di text mining per l’elaborazione di diagnosi o documenti medici in linguaggio naturale che consentiranno l’integrazione di dati multimodali provenienti da fonti diverse (cartelle mediche, esami clinici, imaging diagnostico), a partire dai quali potranno essere costruiti sistemi di supporto alla diagnosi e alla valutazione degli effetti delle terapie in corso.

Nell’ambito dell’Intelligenza Artificiale, un’importanza rilevante stanno assumendo lo studio e la realizzazione di tecnologie per compiti di assistenza continuativa e personalizzata. In questi casi, sistemi assistivi anche di tipo robotico non solo devono avere comportamenti dettati da strategie di controllo di tipo collaborativo ma essere capaci di interloquire con il paziente, monitorare il suo stato, collaborare con il personale medico/infermieristico, adattarsi ad ambienti non strutturati.

In questo ambito si svilupperanno tecniche avanzate di controllo integrate con metodi di intelligenza artificiale che diano la possibilità al personale medico-sanitario di inserire tali sistemi nella pianificazione di attività assistenziali. Al fine di rendere quanto più semplice e naturale possibile l’interazione sociale dei sistemi sia con il personale medico-sanitario che con il paziente, saranno sviluppate metodologie basate sul Machine Learning tipiche della Robotica Cognitiva che consentono un’interazione di alto livello tra il paziente ed il sistema quali il riconoscimento del particolare paziente, del suo stato emotivo, della sua gestualità.