GLIOGEN-X
Aspetti generali
GLIOGEN-X “From Magnetic Resonance Imaging to Molecular Signatures: Generative AI for Virtual Biopsy in Gliomas” è un progetto di ricerca che punta a verificare se le immagini di risonanza magnetica (RM) cerebrale contengano già le informazioni necessarie a caratterizzare il profilo molecolare dei gliomi. Coordinato dalla PMI Siena Imaging s.r.l., ha come partner la Fondazione Toscana Life Sciences (TLS), l’Università di Manchester, la Fundació per a la Universitat Oberta de Catalunya e la Northern Care Alliance NHS Foundation Trust (ente affiliato) ed è uno dei 7 progetti finanziati dall’European Innovation Council (EIC) nell’ambito del bando Pathfinder Challenges “Generative-AI based Agents to Revolutionize Medical Diagnosis and Treatment of Cancer” (Horizon Europe), dedicato alla ricerca di frontiera ad alto rischio e alto potenziale.
GLIOGEN-X è finanziato con un budget complessivo di 3.996.043,38 euro per una durata di 4 anni.
Attività Progettuali
GLIOGEN-X esplora la possibilità di ricavare dalle immagini di risonanza magnetica (RM), grazie all’intelligenza artificiale generativa, informazioni utili a caratterizzare il glioma dal punto di vista molecolare. L’obiettivo di lungo periodo è contribuire allo sviluppo di uno strumento di supporto alla diagnosi che, in futuro, potrebbe affiancare le procedure tradizionali o ridurre il ricorso a procedure diagnostiche e chirurgiche invasive.
Il progetto si articola su tre pilastri:
- Sperimentazione generativa: modelli di IA che, a partire da immagini reali di risonanza magnetica, generano immagini di risonanza realistiche per capire quali caratteristiche molecolari del glioma lasciano una traccia misurabile nelle immagini stesse;
- Validazione: verificare l’esistenza di una “impronta biologica” molecolare rilevabile nelle immagini di Risonanza Magnetica;
- Previsione trasparente e affidabile: modelli algoritmici di “biopsia virtuale” interpretabili, in grado di identificare le principali firme molecolari a partire dalle sole immagini e di indicare il proprio grado di incertezza.
Si tratta di un nuovo approccio nell’ambito della neuro-oncologia, basato sull’applicazione di Intelligenza Artificiale, per dimostrare come l’imaging possa fornire informazioni sulle caratteristiche molecolari del tumore, favorendo un processo diagnostico meno invasivo e personalizzato. Il tutto sviluppato attraverso un’Infrastruttura federata “federated lerning”, che consente di validare i modelli senza trasferire i dati dei pazienti, nel pieno rispetto del GDPR.