Life Science e Data Intelligence: aHead Research experience

aHead Research è il brand di Spindox che, facendo leva sull’esperienza in importanti progetti di ricerca e sulla sua conoscenza degli algoritmi di AI, può supportare la prossima generazione di sistemi di decision intellugence nel settore life science, dove l’avanzamento dell’AI può avere un impatto disruptive, aiutando le aziende del settore a sviluppare trattamenti in modo più rapido ed efficiente, riducendo i costi dell’assistenza sanitaria e rendendola più accessibile ai pazienti.

Le scienze della vita combinano le discipline scientifiche che studiano organismi viventi e i processi vitali. Sebbene la medicina e la biologia rimangano i punti focali delle scienze della vita, i progressi tecnologici nella biologia molecolare e nelle biotecnologie hanno portato a un fiorire di specializzazioni e nuovi approcci interdisciplinari che sfruttano materie come la fisica, la matematica e campi di ricerca e innovazione emergenti come l’Intelligenza Artificiale (AI) e il Machine Learning (ML).
La disponibilità di nuovi e avanzati strumenti diagnostici ha portato ad un drastico aumento della quantità di dati sperimentali che possono essere generati. Negli anni ’80 un biologo eseguiva un singolo esperimento e generava un singolo risultato, dove il dato prodotto  poteva essere manipolato a mano con l’eventuale aiuto di qualche foglio di calcolo.
Ad oggi, disponiamo di strumentazioni in grado di generare milioni di dati sperimentali in pochi giorni, esperimenti diventati oramai economici e di routine, producono con una singola elaborazione quantità di dati che richiedono l’uso di data center specializzati.
I progressi nel sequenziamento dei geni hanno portato alla costruzione di database che collegano il codice genetico di un individuo a una moltitudine di risultati legati alla salute, tra cui diabete, cancro e malattie genetiche come la fibrosi cistica.

L’avvento della diagnostica per immagini propone ai medici specialisti una vasta varietà di macchine e tecniche per la produzione di immagini capaci di fornire una dettagliata e chiara rappresentazione dello stato di funzionamento di organi e tessuti. Queste immagini possono essere raccolte creando enormi set di dati che crescono costantemente nel tempo e abilitano lo studio di correlazioni non banali con dati clinici (analisi di laboratorio – analisi del sangue), caratteristiche del paziente (età, sesso, abitudini alimentari, ecc.) e fattori esogeni (contesti ambientali). Infine, i sensori indossabili intelligenti (Smart Wearable Sensors) forniscono flussi di dati real-time sulla salute di un individuo. Sono in grado, ad esempio, di monitorare segnali elettrici e biochimici dell’organismo (battito cardiaco, temperatura corporea, ossimetria, ecc.), utilizzabili da algoritmi intelligenti per identificare il deterioramento nel tempo delle condizioni di salute o facilitare cure domiciliari dei pazienti. Questi sensori sono sempre più economici e accurati e facilmente integrabili in smart-phone e smart-watch.

Oggi l’industria delle scienze della vita si trova in un punto di transizione, in cui i nuovi progressi tecnologici aprono la possibilità ad una trasformazione dirompente (disruptive) sulla nostra capacità di comprendere a gestire i processi biologici e la cura della nostra salute.  Il settore delle scienze della vita ha probabilmente solo scalfito la superficie del potenziale della tecnologia per plasmare il suo futuro e l’avanzamento dell’AI e del ML potrebbe aprire la strada a un sorprendente cambiamento di passo. In particolare, le scienze della vita se opportunamente supportate dall’AI poteranno allo sviluppo di nuovi farmaci sempre più tollerabili dall’organismo, ad una guida clinica sostenuta da dati acquisiti in tempo reale, ad un miglioramento della documentazione clinica e la conformità dei follow-up radiologici attraverso l’elaborazione del linguaggio naturale e una massimizzazione del valore della diagnostica per immagini.
aHead Research negli ultimi 10 anni (prima con ACT Operation Research) ha raccolto una grande esperienza nell’applicazione di tecniche di AI a supporto delle scienze della vita, lavorando su vari progetti di ricerca. Di seguito i principali.

La diagnosi precoce e una migliore stratificazione delle malattie neurodegenerative al loro esordio, rappresentano un’esigenza clinica cruciale e insoddisfatta per arrivare a un trattamento in tempo utile delle patologie e ad un intervento precoce per l’ottimizzazione terapeutica. Questo vale in particolare per la malattia di Alzheimer, la forma più comune di demenza, che si stima colpirà milioni di persone in tutto il mondo, fino a 135 milioni nel 2050.
Nell’ambito del progetto di ricerca MoDIAG, abbiamo progettato e sviluppato un sistema di supporto alle decisioni (DSS) basato su moduli di IA, per supportare la diagnosi precoce della malattia di Alzheimer. Una grande quantità di dati multilivello e multi-scala è stata elaborata con algoritmi di apprendimento avanzati (reti neurali profonde, foreste casuali, macchine a vettori di supporto e alberi decisionali). Gli algoritmi di machine learning sono stati in grado di imparare dai dati le complesse relazioni che si instaurano tra esami neurologici, esami clinici, mutazioni genomiche, test biomedici, tenendo conto dell’evoluzione temporale dello stato del paziente tracciato attraverso le visite mediche periodiche.  La soluzione AI-driven di aHead-Research ha pertanto fornito a medici, esperti di dominio e a tutti gli operatori sanitari strumenti innovativi per una diagnosi, una terapia e una gestione del paziente migliori, più affidabili e più efficienti, nel campo delle malattie neurodegenerative e nel complesso quadro dell’eterogeneità clinica. I risultati ottenuti su un campione sufficientemente ampio di pazienti (>100) sono stati ritenuti promettenti dagli esperti di dominio, i quali hanno valutato la soluzione un valido supporto alla diagnosi precoce e alla ricerca.

Progetto Pacib

Continuando a lavorare nel campo delle malattie cerebrali, aHead-Research (prima Act Operation Research) nell’ambito del progetto di ricerca PACIB si è concentra sull’utilizzo delle immagini biomediche per la diagnosi precoce delle malattie neurodegenerative.

Il progetto ha fornito una soluzione di AI per l’acquisizione, l’analisi e la classificazione di immagini biomediche, realizzando un sistema di supporto alle decisioni per la diagnosi precoce.

Per raggiungere l’obiettivo, il progetto ha proposto una piattaforma per la raccolta e la classificazione (malato/non-malato) di neuroimmagini provenienti da Risonanza Magnetica (MR) e Tomografia Computerizzata (CT) e di informazioni ottenute dall’indagine di tecniche morfo-funzionali (CT e PET) studiate con nuovi radiofarmaci. La piattaforma ha fornito moduli matematici per l’elaborazione delle immagini biomediche, correggendo gli errori introdotti dall’effetto volume parziale, moduli AI per la classificazione delle immagini tramite reti neurali convoluzionali e moduli AI per evidenziare eventuali cambiamenti morfologici dovuti all’uso di farmaci. I risultati forniti dal progetto, valutati attraverso una sperimentazione che ha coinvolto migliaia di neuro immagini e centinaia di pazienti, sono da ritenersi promettenti al fine di fornire agli esperti clinici un utile strumento di supporto alla diagnosi.  

Il contributo di aHead Research per il settore Life Science

Grazie a questi progetti, aHead Research ha acquisito una profonda esperienza nell’ analisi e nel trattamento dei dati clinici provenienti da fonti diverse ed eterogenee (dati clinici, esami del sangue, test neurologici, biomarcatori, immagini, ecc.) e con dipendenze temporali e interrelazioni complesse.  Facendo leva su questa esperienza e sulla sua conoscenza degli algoritmi di AI, aHead Research è matura per supportare la prossima generazione di sistemi di supporto alle decisioni nel settore life science, dove l’avanzamento dell’AI può avere un impatto disruptive, aiutando le aziende del settore a sviluppare trattamenti in modo più rapido ed efficiente, riducendo i costi dell’assistenza sanitaria e rendendola più accessibile ai pazienti.