Alcune delle applicazioni di intelligenza artificiale più promettenti e rivoluzionarie riguardano sicuramente uno dei settori prioritari a livello sociale, la medicina, con particolare riferimento all’analisi dei dati utili alla valutazione delle malattie. In questo scenario, grazie all’esperienza precedentemente maturata da Expert System in ambito oncologico, si inserisce la selezione della tecnologia Cogito per “OncoSNIPE”, un programma finalizzato a supportare con l’intelligenza artificiale le attività di diagnosi e trattamento dei tumori.
Coordinato dall’azienda francese Oncodesign, specializzata in biotecnologie per il settore farmaceutico, e supportato dai fondi del programma “Investments for the Future” operato dalla banca pubblica di investimenti Bipfrance, OncoSNIPE favorirà lo sviluppo e l’implementazione di innovativi approcci “bio-IT” basati sulla combinazione di diverse metodologie, fra cui algoritmi di intelligenza artificiale, tecniche statistiche di machine learning, analisi e arricchimento dei dati attraverso l’elaborazione semantica. Obiettivi principali del programma saranno l’identificazione, l’analisi e la correlazione di tutte le informazioni relative a pazienti resistenti ai trattamenti antitumorali per indirizzare le attività di ricerca scientifica verso nuove e più efficaci terapie.
Insieme a Oncodesign ed Expert System, il programma si avvarrà del contribuito di altri due partner industriali e dell’apporto scientifico di Ospedali Universitari e Istituti di Ricerca accademica.
Il progetto OncoSNIPE si focalizzerà in particolare sullo studio di tre tipi di tumore per identificare diversi meccanismi di resistenza ai farmaci utilizzati nei tradizionali trattamenti oncologici e supportare le attività di ricerca e sviluppo finalizzate all’identificazione di terapie in grado di aumentare l’efficacia della cura. A questo scopo, verranno coinvolti nello studio oltre 800 pazienti per raccogliere informazioni sulle reazioni ai trattamenti. Tali informazioni, analizzate e arricchite mediante elaborazione semantica automatica, serviranno a tracciare modelli ricorrenti nei meccanismi di resistenza, identificare biomarcatori, scoprire nuovi target terapeutici e, più in generale, arricchire il patrimonio di conoscenze necessarie per rendere sempre più preciso e personalizzato l’approccio medico nei confronti dei pazienti con particolari resistenze ai farmaci oncologici.
