Diagnosi più precise per il tumore alla prostata grazie all’intelligenza artificiale. È l’obiettivo del progetto FLUTeIRST. Un consorzio di 11 partner internazionali della durata di tre anni, il cui unico membro italiano è l’Irst Irccs “Dino Amadori” di Meldola, è stato istituito per avviare l’iniziativa sostenuta da un finanziamento di sette milioni di euro del programma Horizon Europe.

L’utilizzo dell’Ia potrebbe portare a un miglioramento della diagnosi minimizzando le biopsie non necessarie, con vantaggi sostanziali per i pazienti e per il sistema sanitario, grazie alla riduzione dei costi. Flute (Federate learning and multi-party computation techniques for prostate cancer) intende sviluppare uno strumento di Ia per la diagnosi di questa neoplasia maschile, la seconda più comunemente diagnosticata negli uomini in tutto il mondo, con una stima di 1,4 milioni di nuovi casi nel 2020. In Italia, nel 2022, sono state 40.500 le diagnosi di questo tumore, il più frequente negli uomini nel nostro Paese.

La rivoluzione dei dati

“La sopravvivenza a cinque anni nel tumore della prostata in Italia supera il 90% e abbiamo a disposizione diversi strumenti per contrastare la malattia, che spaziano dalla chirurgia alla chemioterapia alla radioterapia alle terapie mirate fino alla medicina nucleare – spiega Giovanni Martinelli, Direttore scientifico del Dino Amadori -. La cura di questa neoplasia richiede un approccio multidisciplinare, in cui è necessario comprendere da oggi anche l’Ia. Il progetto Flute è destinato a rivoluzionare l’utilizzo dei dati sanitari, grazie a un approccio che preserva la privacy dei pazienti, garantendo che i dati non debbano lasciare i database ospedalieri sicuri in cui sono archiviati”.

“Uno degli obiettivi di Flute è validare il modello di Federated learning nella cura del tumore della prostata – afferma Nicola Gentili, coordinatore Data unit del Dino Amadori e Principal investigator del progetto -. Oltre a quelle cliniche, vi sono anche finalità metodologiche molto importanti. Infatti nel consorzio costituito da 11 membri sono inclusi sia centri di cura che partner tecnologici. Il Federated learning è una tecnica di Machine learning collaborativo capace di sfruttare le conoscenze presenti in più banche dati, senza la necessità di metterle in comune. In questo modo i dati rimangono all’interno dei centri che li possiedono, in totale sicurezza, e vengono utilizzati per creare un modello predittivo comune, cioè un algoritmo condiviso”.

Un aspetto fondamentale di Flute è l’impegno allo sviluppo globale dello standard Hl7 Fhir, standard di interoperabilità di nuova generazione progettato per favorire uno scambio di dati sanitari clinici e amministrativi veloce ed efficiente. L’idea è di contribuire al miglioramento e alla diffusione dello standard Fhir. Inoltre, il progetto definirà nuove linee guida per l’apprendimento federato (Federated learning) transfrontaliero conforme al Gdpr nel settore sanitario, assicurando la conformità normativa e la protezione dei dati.