Questo sito utilizza i cookie per fornire servizi.
Se decidi di continuare la navigazione consideriamo che accetti il loro uso.

GARR, Ricerca scientifica, Ricerca biomedica, Approfondimenti

AI per diagnosi e cure

AI per diagnosi e cure

Tra le ultime applicazioni del machine learning c’è il miglioramento della salute. Ne abbiamo parlato con Cesare Furlanello, esperto di data science presso la fondazione Bruno Kessler di Trento.

  • Cesare Furlanello
  • Cesare Furlanello ha conseguito la laurea in Matematica all'Università di Padova, Italia, nel 1986. Lavora presso la Fondazione Bruno Kessler (Centro di Ricerca Scientifica e Tecnologica di Trento) dal 1987 dove oggi è ricercatore senior ed è a capo del progetto MPBA (precedentemente ITC-IRST Neural Networks for Complex Data Analysis Project)

    Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.

Il machine learning è la nuova sfida tecnologica che sviluppa macchine con l’abilità di apprendere da sole senza essere state esplicitamente programmate.
Ci sono tante applicazioni che questa tecnica rende possibili, come la guida autonoma, il riconoscimento facciale e la traduzione automatica; tra le ultime e più ambiziose c’è proprio il miglioramento della salute. Ma in che modo le nuove tecnologie possono contribuire a sviluppare la ricerca in ambito farmacologico e migliorare la pratica clinica?

Cesare Furlanello, responsabile dell’unità MBPA (Modelli Predittivi per la Biomedicina e l’Ambiente) presso la fondazione Bruno Kessler di Trento, esperto di data science, ci ha introdotto all’ultima frontiera della ricerca: il machine learning applicato alla medicina. “In FBK ci occupiamo di machine learning applicato da almeno venti anni e il miglioramento della salute è sempre stato al centro di buona parte dei nostri progetti”- ci ha spiegato il dott. Furlanello – “I medici sono abituati a prendere decisioni, soppesare rischi e creare analogie: si tratta quindi di un ambiente ideale per sviluppare sistemi che fanno previsioni sul decorso della malattia, oppure sulla risposta individuale favorevole o sfavorevole ai farmaci.

Da qui alla medicina personalizzata il passo è breve: l’obiettivo è dare il farmaco giusto al paziente giusto nel momento più appropriato, evitando somministrazioni inutili o reazioni avverse dovute alle caratteristiche individuali o alla compresenza di altri farmaci o ad effetti ambientali.
Un elemento di vantaggio è che i dati digitali della sanità sono in continuo aumento: questa disponibilità permette di adottare più pervasivamente tecniche di machine learning ed anzi rende questi metodi indispensabili per superare i limiti delle analisi manuali”.

Continua a leggere su GARR News

Maggiori informazioni