Fondazione Italiana Fegato, una struttura che mette insieme l’attività di ricerca di base molecolare con l’attività clinica, Prodigys Group (data analysis, strategie digitale e intelligenza artificiale applicata all’analisi dei dati) e Insiel (tecnologie dell’informazione e della comunicazione, progettazione e gestione di servizi informatici per conto della Regione Friuli Venezia Giulia) sono i protagonisti del progetto che ha portato allo sviluppo di un’innovativa piattaforma digitale per l’integrazione di big data clinici e molecolari di pazienti affetti da diverse malattie epatiche, come tumore al fegato, steatoepatite e steatosi epatica.

I vantaggi del progetto

GenIA, questo il nome della progetto, è una piattaforma per la prevenzione e il controllo delle malattie croniche del fegato attraverso l’Intelligenza Artificiale che favorirà lo sviluppo di una metodologia d’avanguardia, da poter esportare ad altre realtà nazionali e internazionali.

Numerosi sono i vantaggi previsti grazie alla realizzazione del progetto GenIA, la cui fase progettuale prevede un totale anonimato dei dati messi a disposizione dalla Regione Friuli Venezia Giulia attraverso Insiel, mentre gli aspetti di privacy e interazione con il paziente saranno a carico delle aziende sanitarie competenti.

Fra i possibili benefici per il paziente, la possibilità di una diagnosi precoce e quindi il miglioramento della qualità della vita e una riduzione dei costi indiretti; per il medico una standardizzazione diagnostica, l’ottimizzazione nella gestione del paziente, la riduzione di analisi e refertazione e una migliore interpretazione dei dati clinici biochimici; per il sistema sanitario regionale una sensibile riduzione dei costi, una riduzione dei tempi di attesa e un’ottimizzazione delle risorse ospedaliere.

GenIA usa algoritmi di Machine/Deep Learning per realizzare i suoi modelli predittivi. Nel progetto pilota sono stati messi a punto due differenti modelli per lavorare in sinergia: un modello diagnostico Decision Tree basato su un sistema evento decisione, che simula il comportamento del medico fornendo supporto alla diagnosi dello stato corrente del paziente; un modello prognostico realizzato usando Recurrent Neural Networks in grado di prevedere, per periodi futuri, i valori di biomarker individuati da analisi del sangue.

L’affidabilità

Lo studio condotto su un database ottenuto dalla rete ha permesso di verificare l’affidabilità del sistema (90% di accuratezza) nell’individuare la malattia e soprattutto la sua possibile progressione.

Mediante l’analisi dei dati e la successiva visualizzazione, la piattaforma consentirà una più efficiente interpretazione dei dati clinici e di conseguenza un migliore management e monitoraggio delle malattie epatiche croniche (steatoepatite, cirrosi alcolica/non alcolica, epatiti virali, tumore al fegato, etc.) e condizioni associate come obesità, diabete tipo 2, malattie cardiovascolari.

La piattaforma favorirà la trasformazione della corrente pratica clinica da generalista a personalizzata apportando una maggiore affidabilità e tempestività nella diagnosi e appropriatezza decisionale nel trattamento.