Circa 130 anni dopo l'identificazione di questa malattia, la tubercolosi è ancora un male persistente, e secondo l'OMS rimane una causa di morte significativa in tutto il mondo. Generalmente, la tubercolosi può essere curata tramite somministrazione di farmaci antibiotici. Tuttavia, esistono diverse tipologie di tubercolosi, ognuna delle quali richiede trattamenti diversi. Per questo motivo, poter identificare in modo efficace la tipologia di tubercolosi, unitamente alla capacità di valutare le caratteristiche delle lesioni che ne derivano, sono obiettivi particolarmente importanti per gli ambiti sanitari.
Insieme al nostro partner SenticLab, abbiamo contribuito allo sviluppo di una soluzione che mira ad identificare le diverse tipologie di tubercolosi a partire da immagini tomografiche, nel contesto della competizione internazionale ImageClef.
Il glioma rappresenta la forma più comune di tumore cerebrale maligno, con diversi gradi aggressività, prognosi variabile e regioni istologiche eterogenee. Proprio a causa dell'alto grado di eterogeneità di forma e aspetto, la segmentazione dei tumori cerebrali a partire da scansioni tomografiche multimodali è uno dei problemi più sfidanti nell'ambito dell'analisi delle immagini medicali.
I data scientist di synbrAIn hanno collaborato con il team di SenticLab alla competizione BRATS 2020, producendo un algoritmo in grado di segmentare vari tipi di glioma in sotto-regioni differenti del cervello, arrivando anche a formulare una stima del tempo di sopravvivenza del paziente.
In collaborazione con SenticLab, abbiamo sviluppato un software in grado di identificare la presenza di carcinomi epatocellulari a partire da immagini tomografiche.
Il tipico protocollo di analisi utilizza generalmente 4 tipi di acquisizioni:
Il cancro del colon-retto è uno dei tumori più comunemente diagnosticati a uomini e donne. Poiché lo stadio del tumore al momento della diagnosi è un fattore determinante per l'esito del paziente, la diagnosi precoce mediante screening è fondamentale.
SenticLab, sempre in stretta collaborazione con i data scientist di synbrAIn, ha partecipato a IRO, una competizione finalizzata proprio all'identificazione di tumori del colon-retto in immagini di risonanza magnerica, analizzandone l'evoluzione durante la radio-terapia.
Il ridotto flusso sanguigno all'interno dei vasi del cervello è generalmente associato con il morbo di Alzheimer e altre forme di demenza, ma le cause sono tuttora di difficile compresione. Alcuni ricercari della Cornell University hanno sviluppato una nuova tecnica che potrebbe permettere di risalire a tali cause tramite l'analisi di immagini medicali, sebbene ciò richieda l'identificazione rapida dei vasi sanguigni che bloccano o riducono il flusso sanguigno. L'applicazione di opportune tecniche di intelligenza artificiale potrebbe migliorare tale processo di identificazione, velocizzandolo di circa 10 volte.
In questo contesto, è stata sviluppata una tecnica innovativa che usa circa mezzo milione di video annotati, ottenuti tramite microscopio, finalizzata all'identificazione dei summenzionati vasi sanguagni. Tale tecnica, tra le altre cose, è in grado di gestire l'elevato sbilanciamento del dataset.