Intelligenza artificiale per migliorare la diagnosi del tumore della prostata evitando le biopsie non necessarie, con vantaggi sostanziali per i pazienti e per il sistema sanitario, grazie alla riduzione dei costi. È l’obiettivo del progetto Flute (Federate Learning and mUlti-party computation Techniques for prostatE cancer) che punta a sviluppare uno strumento di Ia all’avanguardia per la diagnosi di questa neoplasia, la seconda più comunemente individuata negli uomini in tutto il mondo e che in Italia, nel 2022, con 40.500 diagnosi risulta la più frequente negli uomini nel nostro Paese. Flute è un’iniziativa finanziata nell’ambito del programma quadro Horizon Europe per promuovere l’assistenza sanitaria basata sui dati.  

La Commissione europea ha concesso un finanziamento totale di 7 milioni di euro per un consorzio della durata di 3 anni che comprende un team interdisciplinare di 11 partner: l’unico italiano è l’Istituto Romagnolo per lo studio dei tumori 'Dino Amadori' – Irst Irccs di Meldola. "La sopravvivenza a 5 anni nel tumore della prostata in Italia supera il 90% e abbiamo a disposizione diversi strumenti per contrastare la malattia, che spaziano dalla chirurgia alla chemioterapia alla radioterapia alle terapie mirate fino alla medicina nucleare", spiega Giovanni Martinelli, direttore scientifico dell’Istituto 'Dino Amadori'.  

La cura di questa malattia richiede un approccio multidisciplinare, in cui è necessario comprendere da oggi anche l’intelligenza artificiale. Il progetto Flute è destinato a rivoluzionare l’utilizzo dei dati sanitari, grazie a un approccio che preserva la privacy dei pazienti, garantendo che i dati non debbano lasciare i database ospedalieri sicuri in cui sono archiviati.  

"Uno degli obiettivi di Flute è validare il modello di Federated Learning nella cura del tumore della prostata", afferma Nicola Gentili, coordinatore Data Unit dell’Irst 'Dino Amadori' Irccs e Principal Investigator del Progetto Flute. 

"Oltre a quelle cliniche - continua - vi sono anche finalità metodologiche molto importanti. Infatti nel consorzio costituito da 11 membri sono inclusi sia centri di cura che partner tecnologici. Il Federated Learning è una tecnica di Machine Learning collaborativo capace di sfruttare le conoscenze presenti in più banche dati, senza la necessità di metterle in comune. In questo modo i dati rimangono all’interno dei centri che li possiedono, in totale sicurezza, e vengono utilizzati per creare un modello predittivo comune, cioè un algoritmo condiviso". 

Gli 11 membri del consorzio sono costituiti da tre partner clinici e di dati provenienti da Paesi distinti, tre piccole medie imprese tecnologiche, tre partner di ricerca tecnologica, un partner legale/etico e un’organizzazione di standardizzazione. Le diverse competenze dei membri del consorzio garantiranno un’attuazione completa ed efficace del progetto.