Una serie di interviste dedicate all’innovazione tecnologica e al pensiero progettuale: esploriamo le storie dietro invenzioni e soluzioni che rispondono a sfide reali. Un’occasione per approfondire processi creativi, approcci metodologici e impatti concreti sul mercato e sulla società.
Autrice di questa intervista è Francesca Montuschi, del Settore della comunicazione e informazione del dipartimento.
La fusione dell’intelligenza artificiale (AI) e delle tecnologie semantiche sta trasformando il modo in cui i dati vengono condivisi, compresi e utilizzati tra i sistemi. L’European Health Data Space (EHDS) pone una forte enfasi sull’interoperabilità semantica per garantire che i dati sanitari siano utilizzati in modo efficace tra sistemi diversi. Tra le tecnologie semantiche previste per l’EHDS, HL7 FHIR (Fast Healthcare Interoperability Resources) consente lo scambio di dati sanitari in modo standardizzato e modulare.
L’integrazione dell’intelligenza artificiale generativa (GenAI) in EHDS è un campo di innovazione in rapida crescita.
Un impatto significativo assume il progetto di ricerca Cancer Virtual Lab (CVL) - sviluppato dalla prof.ssa Antonella Carbonaro, del Dipartimento di Informatica, Scienza e Ingegneria, assieme ad un team multidisciplinare - nel supportare il processo di cura nei centri oncologici.
Si tratta di una piattaforma di conoscenza basata sull’IA: trasforma i dati oncologici in informazioni interoperabili e interpretabili utilizzando grafi di conoscenza.
Integra dati clinici eterogenei (ad es. EHR, referti patologici, prescrizioni farmacologiche, risultati di laboratorio, imaging, genomica, esiti riferiti dai pazienti) in risorse HL7-FHIR arricchite con ontologie cliniche; vengono unite in un grafo di conoscenza OWL, federabile tra istituzioni, tracciabile e verificabile. Tramite motori basati sulla logica e regole validate da esperti, è in grado di potenziare il ragionamento clinico (linea terapeutica, modelli di tossicità, idoneità alla sperimentazione) e di fornire un'interfaccia human-in-the-loop: ovvero è possibile porre domande in linguaggio naturale, che vengono tradotte in SPARQL da un LLM. Le query sono modificabili e trasparenti e danno risultati visualizzati con triple di prove complete.
Un prototipo sviluppato a partire dai dati di oltre 30.000 pazienti IRST “Dino Amadori”, deceduti.
Sì, è stata una scelta legata a tempistiche più favorevoli. Abbiamo utilizzato dati reali, di persone non più in vita, come da protocollo autorizzativo del comitato etico. A tutela della privacy, i dati sono anonimizzati e protetti dalle disposizioni poste dal GDPR e IA Act.
L’IA e la cosiddetta opacità del suo funzionamento interno: conosciamo input e output, ma non tutto ciò che succede nei passaggi intermedi.
Esattamente. i modelli predittivi, quelli di machine learning, non garantiscono la tracciabilità del risultato e la sua interpretabilità. Abbiamo lavorato con un approccio ibrido che mette insieme modelli machine learning, deep learning, LLM, con rappresentazioni che nascono dalla trasformazione di dati reali in risorse collegate semanticamente le une alle altre. In questo modo, è possibile porre query informatiche, sul singolo grafo, con un linguaggio naturale: la risposta è trasparente e arricchita da spiegazioni. Ci siamo basati su terminologie mediche standardizzate, da SNOMED CT e ICD, e su ontologie mediche per avere una rappresentazione formale della conoscenza medica.
La ricerca sanitaria non può prescindere da un approccio integrato tra diverse discipline. Il progetto Cancer Virtual Lab è guidato da un consorzio che combina alte competenze cliniche, informatica avanzata e innovazione nell'intelligenza artificiale.
Sì, è un progetto corale, in cui l'IRCCS IRST “Dino Amadori” ha fornito dati oncologici reali e accesso diretto alle competenze oncologiche nelle cliniche e nella ricerca; Aivolution srl, una PMI innovativa, è specializzata in IA; la mia figura ha unito tecnologie semantiche, motori di ragionamento, intelligenza artificiale; infine, la Fondazione Internazionale Big Data e Intelligenza Artificiale per lo Sviluppo Umano (IFAB) ha finanziato il progetto e supportato l'accesso a risorse di calcolo ad alte prestazioni (HPC) e ad ambienti cloud conformi al GDPR, consentendo un'elaborazione dei dati sicura e scalabile.
Tecnologie semantiche e AI forniscono strumenti necessari per superare le sfide della frammentazione dei panorami informativi. Equità di cura significa oggi sempre più accessibilità a strumenti di Sanità Digitale.
L’accessibilità è un tema caldo e sentito. Il progetto sta crescendo: stiamo valutando la possibilità di estendere la sperimentazione alla rete oncologica Emiliano-romagnola, così da mettere a fattor comune tutti i registri tumori della regione. Inoltre, stiamo lavorando sui processi IP, per depositare il marchio della soluzione e stiamo perfezionando la proposta per un bando europeo dedicato ai processi di diagnosi medica nel trattamento del cancro.
Ci sono altre piattaforme basate su grafi di conoscenze?
Si, esistono alcune piattaforme commerciali basate su grafi di conoscenze (Neo4j, Stardog, GraphD) che permettono di modellare e interrogare la conoscenza in forma relazionale, supportando integrazione semantica, reasoning, applicazioni di analisi e decision support. Esse si configurano come abilitatori tecnologici. CVL, per contro, è un framework applicativo semantico-specializzato, di decision support in oncologia, mirato a interoperabilità, in cui la spiegabilità e interpretabilità del risultato assume un ruolo chiave, affinché possa essere trasparente e sicuro. E questo ha forti implicazioni di efficacia ma anche di rischio e di responsabilità.
