Il progetto “Lung Anatomy Reconstruction with Deep Learning“, finanziato da Fondazione IFAB, approda oggi su una rivista scientifica internazionale. Un’ iniziativa che ha coinvolto Chiesi Farmaceutici, Quantyca, E4 Computer Engineering e Spoke 6 ICSC, con l’obiettivo di ricostruire l’intero albero tracheo-bronchiale umano a partire dall’analisi delle TAC dei pazienti, integrando algoritmi generativi per la porzione distale delle vie aeree — quella che nessuna scansione riesce a “vedere” direttamente.
Perché è rilevante. Oggi il 90% delle applicazioni AI/ML sulle TAC polmonari è a scopo diagnostico. Solo una frazione minima include algoritmi capaci di generare un albero bronchiale completo, ricostruendo la parte al di sotto della risoluzione della TAC in modo fisiologicamente realistico. Ancora meno soluzioni sono open e disponibili alla comunità scientifica. Il progetto IFAB si inserisce esattamente in questo spazio.
Dalla ricerca all’industria. Il valore di questo lavoro non si esaurisce nella pubblicazione: Chiesi integrerà lo strumento in un progetto più ampio per costruire un gemello digitale del polmone umano, con l’obiettivo di ottenere uno strumento predittivo ad alta fedeltà per la deposizione di aerosol terapeutici, a supporto della progettazione e ottimizzazione di nuovi prodotti farmaceutici.
Un impatto che va oltre il farmaceutico. Rendere disponibile il prototipo in remoto significa aprire applicazioni in tre ambiti: diagnostica in tempo reale post-TAC, studio della deposizione di aerosol tossici o cancerogeni per sicurezza e ambiente, e studi farmacocinetici basati sulla fisiologia reale del paziente.
Il ruolo di IFAB. In qualità di ente finanziatore, IFAB ha selezionato il progetto nell’ambito delle proprie linee di investimento in ricerca, innovazione e trasferimento tecnologico, sostenendone lo sviluppo economicamente. Un caso che conferma la missione della Fondazione: individuare e accelerare iniziative ad alto impatto per il territorio e il sistema produttivo, portandole fino alla validazione scientifica internazionale.
Il paper è pubblicato su International Journal for Numerical Methods in Biomedical Engineering (Wiley) ed è disponibile al link.
🔗 Scopri il progetto: Lung Anatomy Reconstruction with Deep Learning
