AI per imaging medicale e ricerca

Il problema

La diagnosi precoce delle malattie neurodegenerative e la classificazione dei tumori sbattono contro lo stesso muro: una sola modalità di imaging non porta abbastanza segnale. Il radiologo che legge una risonanza la combina con tutto il resto che sa del paziente. Un modello che vede solo la scansione lavora con meno informazioni del clinico che dovrebbe supportare.

Cosa ho costruito

Due filoni. Per la diagnosi dell’Alzheimer, modelli che leggono la risonanza come volume e non come una pila di fette — affettare butta via proprio le relazioni spaziali per cui si è lì. Per la classificazione dei tumori, una pipeline che fonde imaging e dati genomici, con ogni ramo addestrabile per conto suo: è l’unico modo per dire se la fusione ha aiutato davvero o se una sola fonte stava portando il risultato.

La spiegabilità era un requisito dalla prima riga, non un’aggiunta successiva. Un clinico non agisce su un numero senza una ragione, e aggiungere la ragione dopo di solito vuol dire cambiare comunque il modello, più tardi e in condizioni peggiori.

A che punto è

Il lavoro ha portato a un brevetto co-firmato sulla metodologia diagnostica, oltre alla ricerca prodotta. L’abitudine che mi ha lasciato vale in ogni altro settore: un risultato che non sai spiegare non è un risultato che puoi mettere in produzione.