31 Ottobre, 2019
Un team interdisciplinare di ricercatori dell’Istituto di scienza computazionale (ICS) dell’USI e dell’Istituto di ricerca in biomedicina (IRB), affiliato all’USI, ha messo a punto un nuovo metodo di intelligenza artificiale che facilita l’analisi di dati biometrici complessi. I risultati della ricerca sono stati pubblicati sulla rinomata rivista scientifica Science Advances.
Siamo in un’era che offre sempre maggiori possibilità di una vera e propria collaborazione tra essere umani e computer intelligenti per promuovere la scienza. La crescente potenza di calcolo dei computer consente loro di analizzare quantità di dati sempre più grandi, ma le macchine necessitano di una guida per riconoscere, tra tante informazioni, le vere risposte alle nostre domande. Gli esseri umani, da parte loro, non possono competere con i computer nell’elaborazione di tanti numeri, ma hanno quella preziosa conoscenza che proviene dall’intuito e dalle esperienze di vita.
L’interpretazione dei dati provenienti da pazienti o campioni biologici rappresenta un terreno di sfida in cui le sinergie tra esseri umani e computer possono aprire nuove prospettive. Questi dati, infatti, sono molto complessi da analizzare e correlare a causa delle differenze tra individuo e individuo: medicina e biologia sono discipline largamente basate su conoscenze di tipo empirico, che sono difficili da interscambiare tra esseri umani e computer.
Per questo motivo, i team di ricerca guidati da Rolf Krause (ICS) e Santiago González (IRB) hanno avuto l’idea di rappresentare la conoscenza in campo biomedico come un insieme di percorsi. “Il corpo umano è una fitta rete di cellule, molecole, eccetera. È come una foresta con tanti sentieri. Esplorando questi sentieri è possibile scoprire come è strutturato”, indica Diego Ulisse Pizzagalli, l’autore principale di questo studio interdisciplinare che è stato condotto durante il suo dottorato di ricerca all’USI/IRB. “I computer possono così dire alle persone quali sentieri esistono e le persone possono dire ai computer quali sentieri hanno già portato a quali mete”.
Questa intuizione si è tradotta in un nuovo metodo di intelligenza artificiale per analizzare dati biomedici complessi. Poiché l’algoritmo ha imparato che cosa cercare e quali piste seguire, il metodo si è dimostrato migliore rispetto ai metodi esistenti per analizzare automaticamente immagini al microscopio di globuli bianchi, elettrocardiogrammi di pazienti con diversi tipi di aritmia e profili genetici di pazienti con diversi tipi di leucemia. Le applicazioni del metodo sono dunque possibili in diversi campi come immunologia, cardiologia e oncologia.
 |
| Esplorando i percorsi, il metodo proposto trova le relazioni nascoste nei dati. |
Il lavoro di ricerca è stato possibile grazie ai fondi di Fondo nazionale svizzero per la ricerca scientifica e Systemsx.ch, l’iniziativa svizzera per la biologia dei sistemi.
Articolo
A trainable clustering algorithm based on shortest paths from density peaks.
Pizzagalli D. U., Gonzalez S. F., Krause R. Science advances (2019),
Vol. 5, no. 10, eaax3770; DOI: 10.1126/sciadv.aax3770
