+
Scegli
Davinci
Informatics.
  • Cliente: IRCCS Policlinico San Matteo di Pavia
  • Periodo: Ottobre 2024
  • TAG: #deeplearning #computervision
Panoramica

ColpoVISION-AI è uno strumento diagnostico avanzato basato sull'intelligenza artificiale, progettato per supportare i medici nella decisione di quando e dove sia necessaria una biopsia cervicale.

Analizzando le immagini colposcopiche, il sistema fornisce raccomandazioni mirate, aiutando a evitare biopsie non strettamente necessarie e migliorando la qualità delle cure per i pazienti attraverso interventi tempestivi e personalizzati.

Revolutionizing

Cervical Biopsy Decision-Making

with AI

 

Questo progetto ha il potenziale di trasformare lo screening per il cancro cervicale, offrendo diagnosi più rapide, precise e supportando il lavoro dei medici con tecnologie all’avanguardia di intelligenza artificiale. Grazie a un algoritmo accuratamente addestrato, l'IA è in grado di analizzare le immagini colposcopiche e valutare la probabilità di trovarsi di fronte a un caso CIN-1, CIN-2 o una lesione cancerosa. Questo processo fornisce informazioni trasparenti e sicure, permettendo ai medici di prendere decisioni informate e consapevoli.

Il progetto rappresenta una sfida complessa e di grande rilevanza per il miglioramento della diagnosi del cancro cervicale. Il percorso è lungo e il progetto ancora attivo: di recente, il progetto ha ottenuto finanziamenti europei che permetteranno di proseguire la ricerca per un altro anno.

Questo supporto aggiuntivo rafforza il potenziale di ColpoVISION-AI come strumento innovativo nella prevenzione e nella cura, portandoci verso un futuro in cui le decisioni cliniche saranno sempre più precise e personalizzate.

Copertina della presentazione del progetto: a sinistra i loghi dell'ospedale di Pavia e del dipartimento di Ingegneria dell'università di Pavia. A destra un workflow mostra le fasi del progetto: classification, enhancement, explainability, UX, SaMD validation, Diagnostic tool.
Slide che mostra come sistemi di AI possono aiutare in ambito medico. In particolare: impressione real time, supporto ottimizzato e informativo, riduzione del tempo di analisi, prevenzione di biopsie non strettamente necessarie, decremento del carico di lavoro.
La slide mostra gli algoritmi di DL testati: ResNet, Inception, EfficientNet, VGG, U-Net e Vision Transformers. In particolare per ResNet-18 si mostrano gli incoraggianti risultati ottenuti in fase di Validation.
Pronto a lasciare il segno?
Trasforma il tuo progetto in una storia di successo da raccontare.

Vuoi dare vita alle tue idee?
Siamo qui per aiutarti a realizzarle.