Durata: 01/2024 - 12/2025
Responsabile scientifico: Gabriele Ciravegna
Tipo di progetto: Accordo collaborativo non commerciale
Ruolo PoliTO: Coordinatore di progetto
Obiettivi di progetto
Il progetto si propone di sviluppare un sistema innovativo di diagnostica non invasiva basato sull’intelligenza artificiale (IA), progettato per migliorare l’accuratezza e l’accessibilità dei processi diagnostici. L’obiettivo principale è rilevare e classificare precocemente disturbi vocali e altre condizioni mediche utilizzando dati raccolti da dispositivi di uso quotidiano (come smartphone, smartwatch e computer). Questo sistema mira a offrire un supporto clinico personalizzato e non invasivo, aumentando la qualità della vita dei pazienti e riducendo la necessità di effettuare visite diagnostiche tradizionalmente molto invasive, come la laringoscopia.
Metodologie utilizzate
Il progetto utilizza algoritmi avanzati di apprendimento automatico, con particolare attenzione ai modelli transformer addestrati end-to-end per l’analisi di dati vocali grezzi. Per superare le limitazioni legate alla scarsità e allo sbilanciamento dei dati, vengono adottate tecniche di data augmentation e generazione di dati sintetici basati su voci reali di pazienti sani e patologici. Inoltre, l’approccio sfrutta una pipeline di analisi multi-modale, che combina predizioni derivate da diverse tipologie di campioni vocali (es. lettura di frasi, vocali sostenute) tramite un modello ensemble basato su una mistura di esperti (MoE) e altre tecniche di fusione che sfruttano le capacità intrinseche dei meccanismi di attenzione di lavorare con diverse tipologie di dati. L’integrazione di più fonti di dati consente una comprensione olistica dello stato di salute dei pazienti, facilitando diagnosi accurate e personalizzate.
Risultati attesi
Il sistema previsto promette di migliorare significativamente l’assistenza sanitaria in tre aree principali:
- Clinica: grazie alla rilevazione precoce e personalizzata, i pazienti potranno beneficiare di interventi tempestivi, migliorando i risultati dei trattamenti e riducendo la necessità di procedure invasive.
- Economica: l’efficienza dei metodi diagnostici basati su IA potrebbe portare a una riduzione complessiva dei costi sanitari, consentendo al contempo uno screening su larga scala.
- Tecnologica: i modelli sviluppati possono essere riutilizzati o perfezionati in altri contesti diagnostici caratterizzati da limitata disponibilità di dati, ampliando così l’impatto del progetto.
In sintesi, il progetto rappresenta un passo avanti verso un sistema sanitario più accessibile, efficace e centrato sul paziente, con benefici concreti su diversi livelli.
Strutture coinvolte
- DAUIN, Dipartimento di Automatica e Informatica
Partner
- Head Neck Cancer Unit
- Ospedale San Giovanni Bosco
- Ospedale San Feliciano
Luogo o sedi coinvolte
- Sede centrale Politecnico di Torino, Corso Duca degli Abruzzi 24
Team di progetto
- Gabriele Ciravegna (DAUIN), Assegnista di ricerca post-doc e responsabile scientifico di progetto
- Student Alkis Koudounas (DAUIN), PhD e responsabile implementazione modelli
- Tania Cerquitelli (DAUIN), Coordinatrice di progetto
- Marco Fantini (DAUIN), MD. e responsabile raccolta dati e analisi risultati
- Giovanni Succo (DAUIN), MD. e coordinatore
Obiettivi di Sviluppo Sostenibile (Sustainable Development Goals)
3. Good health and well-being
10. Reduced inequalities