La rivista Biotecnologie-news.it è iscritta al n. 1/21 Registro Stampe dd. 29/1/2021, presso il tribunale di Trento.

EBTNA
Bertelli Farmaceutici

Ora rinascono le idee di Achille Bertelli: l’iniziativa che raccoglie il testimone scientifico

Così il dottor Matteo Bertelli rilancia la ricerca attorno alle molecole naturali

ENDOVIR ®

Aziende Innovative

BIOTECNOLOGIE NEWS

Aziende Innovative

IN3 DIAGNOSTIC
ABRES
Stem Sel
Biovecblock
Innoven
Bioecopest
NGB GENETICS
THEOREO
ADAM
Drug Discovery Clinics s.r.l.
O3 enterprise
Novavido
CHEMICARE
Chemicare
ADAM

Intervista ad Adam

Il professor Giorgio De Nunzio, Phd, è  PhD Researcher and adjunct professor presso il Dipartimento di Matematica e Fisica “Ennio De Giorgi” della Università del Salento. Tra le sue tante esperienze, può essere annoverata quella di ADAM, eccellenza del campo di ricerca attorno ai software che siano in grado di apportare innovazioni alla Medicina. Mentre il mondo tecnico-scientifico si avvia con sempre maggiore decisione verso l’intelligenza artificiale e le sue novità, abbiamo voluto intervistare il professor De Nunzio per comprendere quale sia la sua esperienza e come vadano le cose per il Gruppo di Ricerca di cui fa parte.

Di cosa si occupa ADAM?

ADAM (Advanced Data Analysis in Medicine) è un piccolo Gruppo di Ricerca e Sviluppo di soluzioni software innovative di supporto per la Medicina, con sede presso il “Laboratorio di Fisica Biomedica e Ambiente” dell’Università del Salento, a Lecce. È associato a DReAM, Laboratorio Diffuso di Ricerca Interdisciplinare Applicata alla Medicina, convenzione tra Università del Salento e ASL Lecce.

ADAM include ricercatori con competenze in Fisica, Informatica, Scienze della vita, con un’esperienza condivisa nel campo delle applicazioni software per la Medicina.

I software che realizziamo sono destinati allo studio quantitativo di dati di diagnostica medica, come immagini (TAC, Risonanza Magnetica Nucleare, Ecografie…) e serie temporali ottenute dalla rilevazione di parametri biomedici (EEG, SpO2…), in particolare ma non limitatamente al campo oncologico.

Le finalità sono la quantificazione di parametri e la diagnosi differenziale di patologie nelle immagini diagnostiche mediante metodi detti di Radiomica (che, per mezzo di opportuni algoritmi matematici e software, estraggono dalle immagini informazioni di tipo quantitativo che la sola osservazione visiva non può dedurre), l’individuazione e il contornamento automatico di tessuti patologici nelle immagini, l’individuazione di particolari pattern e sequenze nelle serie temporali, la valutazione della prognosi e della terapia supportata da misure provenienti dai dati.

L’obiettivo é molteplice.  Innanzitutto, rendere automatiche e indipendenti dall’operatore alcune procedure medico-diagnostiche (per esempio, il contornamento di organi e tessuti sani/patologici, o “segmentazione”) per favorire l’oggettività e la ripetibilità delle operazioni stesse. Infatti, l’operazione di segmentazione delle lesioni, come i tumori, o degli organi di interesse, è spesso effettuata manualmente, poiché molti degli strumenti semiautomatici a disposizione dei medici sono di precisione non ottimale. Tale procedura sottrae al medico radiologo o al radioterapista tempo prezioso, ed è soggettiva e ripetitiva. Ciò può portare a errori di valutazione e ad un’insufficiente accuratezza nella diagnosi e nella pianificazione della cura. E’ in questa fase che software basati su algoritmi di Intelligenza Artificiale possono essere utili consentendo il contornamento completamente automatico.

Ulteriore obiettivo è aumentare l’attendibilità delle diagnosi o delle decisioni rilevanti per prognosi e terapia, a supporto delle usuali attività della pratica clinica e per favorire il concetto di “Medicina di Precisione”, che rappresenta una delle metodologie più all’avanguardia, riconoscendo a ogni paziente la sua unicità. Infatti lo studio dell’ immagine del singolo paziente è volta ad abbandonare il concetto del “one size fits all” per concentrarsi maggiormente su un approccio “patient oriented”, basato sulla specificità mirata.

E’ fondamentale sottolineare che i software che realizziamo non hanno la pretesa di sostituirsi al medico ma solo di essere d’ausilio, proponendo un contornamento standard delle strutture di interesse, mettendo in evidenza informazioni nascoste nei dati, o suggerendo diagnosi in base alle misure: sarà sempre responsabilità del medico verificare quanto proposto, accettarlo o modificarlo, e inquadrare le informazioni aggiuntive nelle procedure cliniche.

L’uso dei software descritti si traduce, auspicabilmente, in un vantaggio per i pazienti (maggiore standardizzazione e oggettività, diagnosi più accurata),  per il medico (risparmio di tempo e aumento della  propria accuratezza di valutazione) e per il Servizio Sanitario Nazionale (perché la possibile diminuzione di errori potenziali ha come effetto un risparmio economico, dovuto alla riduzione di esami e trattamenti terapeutici non giustificati dall’evidenza).

Come siete nati?

Le prime attività legate alla realizzazione, nel Dipartimento di Matematica e Fisica dell’Università del Salento, di software di Intelligenza Artificiale per la Medicina, risalgono al 2004, con alcuni esperimenti realizzati in collaborazione con l’INFN (Istituto Nazionale di Fisica Nucleare). Bisogna giungere al 2013 perché un gruppetto di persone, impegnate nel campo, decidesse di provare a costruire qualcosa di diverso, tentando l’avventura imprenditoriale. Nacque quindi ADAM srl come spin-off dell’Università del Salento, su iniziativa di un gruppo di ricercatori con competenze diversificate (fisica sanitaria, informatica, medicina, economia aziendale). La gestazione fu faticosa ma costellata da tante soddisfazioni (tra cui la vittoria del primo premio assoluto e del premio della categoria Life Science nell’edizione 2012 dell’evento Start Cup Puglia, che facilitò materialmente la costituzione della Start-Up, e altri riconoscimenti ottenuti in manifestazioni successive).

Negli anni di vita come azienda, ADAM ha messo a punto diversi software, tra i quali il sistema di individuazione e misura dei gliomi cerebrali (i tumori al cervello più diffusi) e un tool per diagnosticare e classificare lo stadio della fibrosi polmonare in maniera oggettiva, tuttora in uso da parte del committente.

Nel tempo, la compagine originale mutò, perché i componenti seguirono le strade via via presentate loro dalle rispettive attività: chi proseguì nella carriera ospedaliera o universitaria come medico o fisico sanitario, chi scelse il Dottorato di Ricerca, e chi – come me – riprese a dedicarsi a tempo pieno alla Ricerca e alla Didattica in università. Oggi, ADAM ha nuovamente la natura di un gruppo di Ricerca, le cui attività sono fedelmente legate alla Fisica e all’Informatica per la Medicina.

Quali sono le vostre tecniche (o scoperte o innovazioni tecnologiche)?

Innanzitutto impieghiamo tecniche di analisi automatica computerizzata di dati e immagini. Per le immagini, ad esempio, metodi di indagine quantitativa come l’analisi tessiturale consentono di ricavare dal dato grezzo informazioni che l’occhio umano non può cogliere, a vantaggio della sensibilità degli algoritmi. Poi, trattiamo i dati con sistemi di Intelligenza Artificiale, come il Machine Learning e il Deep Learning, con reti neurali artificiali. Si tratta di metodi che traggono ispirazione dal funzionamento dei neuroni cerebrali, simulati matematicamente e con software appropriati. Così come i neuroni e le reti di neuroni del nostro cervello sono in grado di imparare dagli esempi, ugualmente i sistemi basati su reti neurali artificiali possono imparare da casi noti: si parla di apprendimento “supervisionato”, basato su esempi nei quali la “verità” (la diagnosi, oppure la natura di un tessuto, o il contorno di una lesione in un’immagine) è conosciuta perché fornita dai medici, ed è utilizzata per addestrare i software a riconoscerne di simili. Un esempio concreto può forse chiarire meglio. Un lavoro da noi recentemente pubblicato aveva per finalità la differenziazione tra due tipi diversi di tumore della mammella: infiltrante e in situ. I due tipi di tumore necessitano di trattamento diverso ed è quindi importante giungere una diagnosi precoce e accurata. Usualmente tale diagnosi è ottenibile unicamente con metodi invasivi e solo l’analisi del carcinoma asportato durante l’intervento dà l’assoluta certezza. Si comprende come un metodo non invasivo, basato solo sulle immagini diagnostiche pre-intervento, sia ideale per consentire di orientare precocemente il trattamento. Allo scopo di ottenere un sistema di diagnosi differenziale precoce che distingua i due tipi di tumore mammario, i nostri software sono stati quindi “allenati” con un certo numero di immagini di Risonanza Magnetica Nucleare provenienti da ciascuno dei due tipi di tumore, con la finalità di ottenere un sistema in grado di distinguerli. I risultati sono preliminari ma incoraggianti: ci aspettiamo che l’incremento delle dimensioni del database sul quale lavoriamo consenta un miglioramento della qualità delle previsioni.

Abbiamo applicato queste tecniche a diversi altri problemi: l’individuazione e il contornamento dei gliomi cerebrali (i tumori primari del cervello più diffusi), lavoro realizzato in collaborazione con l’Ospedale e l’Università Vita-Salute San Raffaele di Milano); l’individuazione di noduli polmonari (nel contesto di un esperimento dell’INFN, Istituto Nazionale di Fisica Nucleare, in collaborazione con diversi ospedali e università italiane); la quantificazione dello stadio della malattia di Alzheimer (esperimento INFN); la determinazione non invasiva del grado di malignità del tumore alla prostata (in corso, in collaborazione con il Presidio Ospedaliero “Di Summa – Perrino” di Brindisi), l’individuazione di cluster di cellule specifiche del melanoma in situ in immagini del microscopio confocale in riflessione (in collaborazione con l’Università di Modena e Reggio Emilia). Qualche dettaglio in più sui lavori del passato e su alcuni progetti attuali può essere trovato sul nostro sito web.

Come vi vedete tra dieci anni?

Cresciuti come numero, con più ricercatori interessati alla tematica dell’Intelligenza Artificiale per la realizzazione di sistemi di supporto per la diagnostica avanzata, per la definizione della prognosi, per la terapia personalizzata. L’uso dell’Intelligenza Artificiale in Medicina è la sfida del nostro secolo: portare avanti la Ricerca in quest’ambito è fondamentale.

Cresciuti come qualità, con tecniche sempre più raffinate e competenze sempre maggiori, per affrontare con miglior successo i problemi di Medicina Quantitativa che via via si presenteranno.

Infine, l’auspicio è di realizzare uno o più sistemi di Intelligenza Artificiale di ottima accuratezza, per i quali sia possibile e vantaggioso intraprendere la via della certificazione CE medicale e della commercializzazione, nella quale l’esperienza imprenditoriale del nostro passato sia una guida per giungere a un prodotto di reale utilità in ambito clinico e che dia prospettive di impiego anche per i giovani alla ricerca di una loro strada.

Su cosa si stanno concentrando i vostri sforzi?

Nostra principale preoccupazione è l’affinamento delle tecniche adoperate: un software per la Medicina, una volta realizzato, è come un test diagnostico: deve essere migliorato in sensibilità (capacità di individuare, nelle immagini e nei dati diagnostici, i segni della presenza di una patologia, senza perderne alcuno) e specificità (abilità nel distinguere l’anomalia cercata da altre dovute a malattie diverse, o da situazioni non patologiche). Per farlo, occorre aumentare il campione di pazienti studiato e migliorare i software cercando vie nuove che diano maggior accuratezza: solo così si potrà sperare di trasformare un prototipo, sia pure dai risultati interessanti, in un vero strumento diagnostico. Questo è il momento più difficile, come testimoniato dalla presenza nella letteratura scientifica di tantissimi articoli di Ricerca che descrivono validi strumenti software che poi non approdano alla clinica.

Specificamente, ossia citando i campi di studio nei quali ci stiamo concentrando, sicuramente i mesi a venire saranno impegnati nell’affinamento del sistema, già citato, per la distinzione tra diversi tipi di tumore della mammella. Inoltre, stiamo da poco lavorando in un campo estremamente promettente: la OSAS, Obstructive Sleep Apnea Syndrome, la sindrome delle apnee ostruttive nel sonno: si tratta di una patologia molto diffusa e di difficile individuazione, le cui conseguenze sulla salute umana possono essere gravi a vari livelli: basti dire che i pazienti affetti da apnee notturne mostrano, a causa dei frequenti e ripetuti fenomeni di ipossia (carenza di ossigeno), maggiore incidenza di malattie cardiovascolari (aritmie, infarto del miocardio, ipertensione arteriosa…). Infine, altro campo di interesse recente, l’Ernia Diaframmatica Congenita: si tratta di un difetto raro del diaframma del feto, a causa del quale i visceri addominali passano nel torace, comprimendo polmoni e cuore e causando insufficienza respiratoria e ipertensione polmonare persistente, con elevata mortalità; prevedere il decorso della patologia in base a informazioni precedenti la nascita può orientare efficacemente i medici permettendo interventi precoci.

Come siete organizzati?

Come gruppo di Ricerca universitario, la nostra organizzazione è molto fluida. Oltre ad attrarre laureandi triennali o magistrali in Fisica, spesso affascinati dalle applicazioni della Fisica e dell’Informatica alla Medicina, il gruppo è aperto a collaborazioni stabili o saltuarie, e accoglie – in seguito a finanziamenti specifici – laureati in diverse discipline con borse di studio o assegni di ricerca. Alcuni membri sono parte integrante del gruppo, e consentono la realizzazione di progetti di respiro e durata più ampi.

Con quali realtà collaborate?

ADAM collabora con diversi Gruppi di Ricerca universitari: solo il confronto e il continuo scambio di idee con ricercatori che si occupano delle nostre stesse tematiche possono permettere il miglioramento e il raggiungimento di risultati. Attualmente i nostri partner più vicini sono l’Università di Palermo e il Politecnico di Milano ma, in passato, abbiamo strettamente collaborato con Torino, Genova, Bari, Cagliari, Pisa,  Modena e Reggio Emilia, e con diverse sedi dell’INFN.

Le nostre attività non avrebbero, poi, scopo alcuno in assenza di collaborazioni con i Medici dei presidi ospedalieri che ci sottopongono i problemi da risolvere, e possono beneficiare poi delle soluzioni proposte. Anche qui l’elenco sarebbe lungo: oltre a lavorare in sinergia con le ASL pugliesi (in particolare gli ospedali di Lecce, Brindisi, Barletta), attualmente il Policlinico di Milano è nostro partner più vicino (nell’ambito del lavoro dedicato all’Ernia Diaframmatica Congenita). In passato abbiamo collaborato con l’Ospedale San Raffaele di Milano, l’Ospedale Francesco Ferrari di Casarano, l’Azienda Ospedaliera Universitaria Senese… Infine, non dobbiamo dimenticare l’interesse verso i possibili sviluppi commerciali: mentre in passato siamo stati noi stessi impegnati nella commercializzazione, ora preferiamo dedicarci agli aspetti di ricerca e sviluppo lasciando eventuali percorsi imprenditoriali alle aziende già affermate con cui abbiamo contatti.

Condividi Articolo

Share on facebook
Facebook
Share on twitter
Twitter
GENELAB-SRL
Gibob
ViroStatics
HiQnano
LMPE srl
Graftonica
Genomix 4 Life
EnGenome
3DIFIC
INSIMILI
Clonit
Euleria
Growa