Per costruire algoritmi di Intelligenza Artificiale (IA) sufficientemente performanti e in grado di favorire il progresso in tutti i campi della ricerca clinica, è necessario avere a disposizione dataset di grandi dimensioni e di alta qualità. In questo contesto, una delle maggiori sfide dei ricercatori consiste nell’avere accesso a segnali elettrocardiografici (ECG), specialmente nel caso di malattie rare.
È il caso del progetto europeo attualmente in corso Cardio-MIPA Inherited Arrhythmogenic Diseases Monitoring, Identification, Prediction and Alert (CMIPA), che vede la collaborazione del gruppo di ricerca Biomedical Signal Processing (BPS), guidato da Francesca Faraci, dell'Istituto di tecnologie digitali per cure sanitarie personalizzate (MeDiTech), con l’Istituto Cardiocentro Ticino, la Fondazione Ticino Cuore, l'Istituto Dalle Molle di studi sull’intelligenza artificiale (IDSIA USI-SUPSI), e le aziende WellD (CH) e L.I.F.E (IT).
In questo progetto, la necessità di focalizzarsi su malattie cardiache rare e la conseguente scarsa disponibilità di dati, ha dato a Giuliana Monachino e Beatrice Zanchi, dottorande al MeDiTech, l’opportunità di esplorare il tema della generazione di dati sintetici con tecniche di IA.
Il lavoro identifica ed esamina le cause di tale mancanza di dati, derivanti dalle sfide che ci si trova ad affrontare durante i processi di creazione e condivisione dei dataset (ad esempio l’accesso limitato alla popolazione, le rigide regole per la condivisione dei dati, la presenza di fattori identificativi nell’ECG che lo rendono assimilabile ad un’impronta digitale, ecc.).
In seguito, vengono analizzate le caratteristiche principali dei DGM e indagate le potenzialità e i limiti della loro applicazione in questo campo. Questi algoritmi si sono rivelati in grado, non solo di generare grandi quantità di segnali ECG, ma anche di agevolare processi di anonimizzazione dei dati al fine di semplificarne la condivisione nel rispetto della privacy dei pazienti. L’applicazione di tali algoritmi potrebbe favorire il progresso della ricerca e la cooperazione in nome dell’open science.