Dal 12 al 14 settembre 2024 si tiene a Belgrado un importante incontro internazionale nel settore Healthcare: la conferenza Caring for Rare, l’evento organizzato da NORBS per favorire la collaborazione tra esperti e organizzazioni dell’Europa Centrale ed Orientale.
Matteo Bregonzio, CTO e responsabile del team Ricerca e Sviluppo di Datrix, come keynote speaker nella sessione “Empowering Rare Diseases through Data” ha discusso il positivo impatto delle tecnologie basate sull’AI nel campo delle malattie rare: non solo diagnosi sempre più precoci e nuovi trattamenti terapeutici personalizzati, ma anche l’accesso a una quantità di insight ed evidenze che sarebbe impossibile ottenere con i metodi tradizionali.
Il focus dell’intervento è stato il progetto BETTER (un progetto con un finanziamento UE da 10 milioni di euro, di cui Datrix è coordinatore internazionale) che mira a fornire ai medici degli ospedali europei un’interfaccia di consultazione e supporto decisionale basata sull’analisi genomica tramite AI. Grazie alla tecnologia Federated Learning, di cui Datrix è un abilitatore tecnologico, è possibile aggregare modelli addestrati localmente senza la necessità di centralizzare i dati sensibili in un unico database, operando così nel pieno rispetto della privacy e dell’AI Act.
Puoi trovare un interessante approfondimento in questa intervista sulla nostra piattaforma. In questa occasione, abbiamo avuto il piacere di una chiacchierata con Matteo riguardo il suo intervento e uno dei progetti di punta di Datrix.
L’impatto positivo delle tecnologie basate sull’AI sul tessuto sociale
Datrix ha partecipato a Caring for Rare. Quale contributo hai portato all’evento come responsabile R&D di Datrix?
Per Datrix si tratta di un’importante opportunità per mostrare come l’utilizzo di tecnologie basate sull’AI possa migliorare sensibilmente la diagnosi e la cura delle malattie rare.
La conferenza si è concentrata sull’importanza di sfruttare i dati nella promozione della comprensione dei percorsi molecolari, della diagnosi precoce e nello sviluppo di trattamenti innovativi. L’uso crescente della medicina data-driven ha reso essenziale la creazione di infrastrutture sicure e rispettose della privacy per la condivisione dei dati sanitari a livello europeo, uno degli obiettivi del progetto europeo BETTER di cui Datrix è leader.
Puoi spiegare di cosa si occupa il progetto BETTER e quali sono i suoi obiettivi?
BETTER è un progetto sanitario che punta a migliorare la diagnosi precoce e i trattamenti terapeutici personalizzati per le malattie rare.
Le attività di R&D si concentrano sulla raccolta e analisi di dati relativi alle malattie pediatriche rare: nei prossimi tre anni il progetto lavorerà sulla raccolta e analisi dei dati in tre ambiti: disabilità intellettiva pediatrica, con particolare attenzione alle malattie metaboliche da screening neonatale, distrofie retiniche ereditarie (inclusi Best macular dystrophy, retinite pigmentosa X-linked, malattia di Stargardt) e disturbi dello spettro autistico.
Il progetto punta a rivoluzionare la cura e la diagnosi precoce di queste patologie, utilizzando l’AI per offrire terapie più efficaci e mirate, nel rispetto delle normative globali sulla privacy delle informazioni sanitarie.
La medicina di precisione tiene conto delle caratteristiche individuali e della variabilità genetica, metabolica e ambientale del paziente; offrendo un percorso terapeutico personalizzato ed efficace e minimizzando gli effetti collaterali. Grazie alla possibilità di mettere a fattor comune dati di più ospedali e analizzarli tramite AI, la medicina di precisione permetterà al servizio sanitario nazionale di essere più efficiente e offrire terapie di frontiera ai pazienti. Questa è l’ambizione del progetto Better su cui lavoreremo per i prossimi anni.
Federated Learning: la privacy dei dati sensibili al centro della R&D Datrix
Parlando di privacy dei dati, uno dei temi centrali del tuo intervento è stato l’innovazione nel trattamento dei dati sensibili. Puoi dirci di più?
Esattamente, uno dei temi centrali dell’intervento ha riguardato il modello Personal Health Train (PHT) e il modo in cui garantisce la riservatezza dei dati pur facilitandone l’accesso alla ricerca.
Better si distingue per il suo approccio di “Federated Learning” e “Distributed AI“, che gli permette di conformarsi alle stringenti normative globali sulla privacy e al GDPR, garantendo allo stesso tempo un accesso sicuro ai dati per la ricerca.
Federated Learning consente l’addestramento di modelli di intelligenza artificiale in maniera distribuita, senza la necessità di trasferire o condividere dati sensibili. In questo modo, i dati dei pazienti rimangono all’interno delle singole strutture sanitarie, mentre i modelli locali vengono addestrati e successivamente aggregati per creare un modello globale con performance superiori.
Tuttavia, una particolarità di questa tecnologia è che non è relegata solo all’ambito sanitario, ma può essere sfruttata in altri contesti dove la sensibilità dei dati è cruciale, come nel settore bancario, finanziario e altre industrie regolamentate, dove privacy e sicurezza sono fondamentali.
Per approfondire:
