Un progetto sullo studio del carcinoma orale mediante l’utilizzo dell’intelligenza artificiale, guidato dalla prof.ssa Olga Di Fede, associata del Dipartimento di Discipline Chirurgiche Oncologiche e Stomatologiche dell’Università degli Studi di Palermo, è stato ammesso al finanziamento di 224.798 euro sul bando PRIN - Progetti di Ricerca di Rilevante Interesse Nazionale 2022.

Al progetto, dal titolo “OCAX - Oral CAncer eXplained by DL-enhanced case-based classification”, collaborano la prof.ssa Sabrina Senatore, ordinaria del Dipartimento di Ingegneria dell'Informazione ed Elettrica e Matematica applicata dell’Università degli Studi di Salerno, e il prof. Giuseppe Guglielmi, ordinario del Dipartimento di Medicina Clinica e Sperimentale dell’Università degli Studi di Foggia.

«OCAX si propone di contribuire al raggiungimento dell’eccellenza nel campo della prevenzione, della diagnosi e cura del cancro orale attraverso la ricerca scientifica, l’innovazione costante e l’attenzione verso i pazienti – spiega la prof.ssa Olga Di Fede.
In particolare, il progetto mira a adottare soluzioni di Deep Learning (DL) nella visita del cavo orale per generare un cambiamento di paradigma nei processi di screening e diagnosi del carcinoma orale a cellule squamose. Questo è caratterizzato da una significativa mortalità e morbilità, per la sua diagnosi tardiva e l'impatto delle terapie sulla qualità della vita del paziente. I professionisti del cavo orale giocano un ruolo importante nella diagnosi precoce attraverso visite periodiche. La prognosi migliora significativamente quando questo tumore viene accuratamente diagnosticato, studiato e trattato in fase precoce.
Per affrontare tali problematiche, il progetto di ricerca propone un metodo innovativo, chiamato DL-CBR in quanto si basa sulla combinazione di DL e Case-Based Reasoning (CBR), per la spiegazione post-hoc della risposta del sistema. Il metodo proposto permetterà al medico di ripercorrere la decisione e usare il proprio giudizio, che è una chiave per un processo decisionale sicuro e affidabile. Il sistema di supporto decisionale DL-CBR si rivolgerà anche ai medici meno esperti. Il dataset e il sistema elaborato saranno rilasciati pubblicamente, per favorire la collaborazione tra i centri clinici sulla raccolta dei dati, e la collaborazione tra i centri di sviluppo dell'apprendimento automatico sul benchmarking».