Si sviluppa tra Pistoia e Firenze il progetto di riduzione delle radiazioni somministrate ai pazienti che si sottopongono alle Tomografie assiali computerizzate, che un pool di finanziatori, dopo i primi incoraggianti risultati, ha deciso di rilanciare per i prossimi tre anni affidandolo ad una quindicina di ricercatori.

Il progetto ha obiettivi ambiziosi che vanno da strumenti di analisi del polmone colpito da Covid-19 e da altre patologie, alla riduzione delle radiazioni ionizzanti somministrate ai pazienti che si sottopongono alle Tac. Analizzando quelle dell’addome, nella fase sperimentale del progetto, è già stata dimostrata la possibilità di una riduzione delle radiazioni somministrate al paziente di oltre il 30%.

E, se si considera che in Italia ci sono circa 2.200 apparecchi che nel 2020 hanno effettuato 4,8 milioni di Tac, la possibile riduzione delle radiazioni è davvero notevole. Il progetto si prefigge infatti di estendere la nuova metodologia alla maggior parte delle procedure Tac e rappresenta un beneficio potenziale di straordinaria rilevanza nella prospettiva della medicina delle 4P, preventiva, predittiva, personalizzata, partecipativa.

Lo studio della nuova tecnica diagnostica si basa sul ricorso all’Intelligenza artificiale e utilizza le tecniche usate dagli astrofisici per analizzare le immagini dei corpi celesti. Sviluppa una specifica rete neurale in grado di riprodurre la capacità del radiologo di individuare piccoli e poco visibili inserti introdotti in un fantoccio che simula un distretto anatomico.

I radiologi hanno analizzato ben 30.000 Tac, “allenando” la rete neurale per poi passare i risultati al lungo lavoro dei ricercatori fisici per la loro realizzazione grafica e l’elaborazione dei dati.

Il risultato è stato la definizione del valore della dose di radiazioni oltre la quale nessun suo aumento consente miglioramenti diagnostici. Ogni dose di radiazioni in più è risultata quindi inutile e di conseguenza risparmiabile, a beneficio del paziente. Questo, in estrema sintesi, il metodo seguito fin qui e che adesso verrà implementato e affinato ulteriormene.

Il progetto è finanziato dall’Azienda Sanitaria Toscana Centro, da quella di Careggi e da Uniser, la società pistoiese che si occupa di ricerca innovazione e alta formazione, con la Fondazione Cassa di risparmio di Pistoia e Pescia di cui è ente strumentale. Coinvolge, sotto la guida scientifica del Dipartimento di Fisica e Astronomia dell’Università di Firenze, l’Istituto superiore di sanità, l’Istituto di chimica dei composti organometallici del Cnr e la Fondazione Bruno Kessler di Trento in un originale connubio multidisciplinare di competenze scientifiche che mette insieme radiologi, fisici ospedalieri e astrofisici.

In questa sua seconda fase il progetto potrà contare su un apposito server per velocizzare la capacità di calcolo e di analisi delle immagini radiologiche. Il server, acquistato da Uniser che lo ospita nella sua sede di Pistoia, è stato chiamato Iacta, le iniziali di Intelligenza artificiale computed tomography e astrofisica.

E’ dotato di Gpu, le schede grafiche dedicate, di potenza dieci volte superiore a quelle che si trovano in un normale pc. Sono loro che determinano la velocità con cui si riesce ad addestrare un algoritmo. Sono telematicamente accessibili da remoto da parte dei ricercatori in qualunque momento e da qualunque postazione di lavoro.

Il server Iacta ha una memoria di 12 TeraByte, cioè 12.000 miliardi di bites, necessaria per gestire i dati e salvare i risultati attraverso un backup multiplo e indipendente su più dischi, che minimizza le probabilità della loro perdita in caso di crash di sistema.

Il progetto e Iacta sono stati illustrati nel corso di un convegno che si è tenuto ieri pomeriggio presso Uniser e che ha messo in rilievo gli approcci propri dell’astrofisica e dell’intelligenza artificiale per giungere alla migliore diagnostica delle immagini radiologiche.

I primi risultati ottenuti dai ricercatori nell’ambito del progetto stanno per essere pubblicati dall’autorevole Journal of medical imaging, la rivista americana leader nel settore delle innovazioni nella diagnostica per immagini.