Ogni anno, in Italia, quasi 8 milioni di persone tra i 50 e i 69 anni vengono invitate allo screening per il cancro al colon-retto. Di questi 8 milioni, più del 35% aderisce. Considerato che in media i test positivi sono attorno al 5%, ciò significa che all’incirca 100mila persone proseguono con la colonscopia. Che i programmi di screening diventino sempre più capillari è fondamentale, visto che stiamo parlando di un tumore per cui nel 2024 sono stati diagnosticati 48.706 casi nel nostro Paese. Ma i test, purtroppo, non sono infallibili. Una parte rilevante della mucosa del colon, circa un quarto, non viene visualizzata durante la colonscopia: ciò significa che, anche quando si fa prevenzione nel migliore dei modi, alcune lesioni precoci rischiano comunque di passare inosservate. Ed è qui che entra in gioco Insight, un progetto di ricerca del Politecnico di Milano che punta a diventare una startup.
Dal trasferimento tecnologico alle piattaforme di intelligenza artificiale, passando per la cybersecurity dei Comuni, il progetto ha trasformato la ricerca in soluzioni concrete per il territorio lombardo
Il modello 3D di Insight per vedere dove gli esami non arrivano
Migliorare i tassi di diagnosi di cancro al colon-retto è uno degli obiettivi del dottorato di ricerca in Bioingegneria di Chiara Lena presso il Politecnico di Milano. “Quando ho iniziato il mio lavoro di ricerca, è subito emerso un problema: nonostante i medici siano sempre più preparati e le tecnologie sempre più avanzate, quasi un quarto della mucosa del colon non viene visualizzato durante la colonscopia. Questo perché il colon ha una forma molto difficile da navigare”, spiega Lena a Wired Italia.
Per superare questo limite, Insight lavora allo sviluppo di una ricostruzione in tre dimensioni del colon durante l’esame, indicando anche le aree che la colonscopia non riesce a indagare. Per poter arrivare a questo risultato, gli algoritmi di intelligenza artificiale richiedono un’enorme quantità di dati. Da qui la scelta di ricreare un modello virtuale (chiamato Real SynCol) che “addestra” gli algoritmi, migliorando la ricostruzione delle porzioni mancanti – e, quindi, la qualità dell’analisi.
Chiara Lena, dottoranda di ricerca presso il Politecnico, presenta il progetto durante il Terzo General Meeting di Musa
Un tassello del laboratorio di innovazione urbana costruito da Musa
L’intero dottorato di Chiara Lena – che si avvicina alla conclusione – si è svolto all’interno di Musa (Multilayered urban sustainability action), un programma triennale di innovazione tecnologica e sociale incentrato sulla città di Milano e sul territorio lombardo. L’ecosistema coinvolge sei università (Bicocca, Statale, Bocconi e Politecnico, a cui si sono aggiunte Cattolica e Liuc) più varie istituzioni e imprese, con l’obiettivo comune di dare risposte ai bisogni reali emersi dalla cittadinanza. Tutto questo grazie a un investimento del Piano nazionale di ripresa e resilienza (Pnrr) del valore di 110 milioni di euro.
“Grazie al progetto Musa abbiamo potuto acquistare l’attrezzatura – molto costosa – per eseguire i test”, conferma Chiara Lena. “Nel frattempo, sul fronte degli algoritmi siamo andati avanti, creando un dataset sintetico e arrivando a depositare una richiesta di brevetto. Senza questa strumentazione non sarebbe stato possibile fare i test necessari per la domanda di brevetto che, peraltro, ha tempi di valutazione molto lunghi”.
