L’Intelligenza Artificiale sta trasformando profondamente la medicina, aprendo nuove possibilità per supportare la diagnosi e il lavoro dei medici. In questo contesto si inserisce MEDUSA, un sistema innovativo che consente di prevedere l’evoluzione del percorso clinico dei pazienti affetti da COVID-19 combinando diverse tipologie di dati.

MEDUSA combina infatti i dati provenienti dalle immagini radiologiche dei pazienti con le informazioni testuali contenute nelle cartelle cliniche, utilizzando modelli avanzati di intelligenza artificiale per stimare l’esito del ricovero, come la dimissione o il decesso. Il nome richiama la figura mitologica di Medusa: ogni “serpente” rappresenta una diversa modalità di dato che contribuisce alla previsione finale.

Il sistema è stato sviluppato nell’ambito dei progetti PNRR FAIR – Future Artificial Intelligence Research – e PRIN REPA - aRtificial intElligence for Process Analytics – grazie alla collaborazione tra la Facoltà di Ingegneria della Libera Università di Bolzano, il Dipartimento di Informatica dell’Università degli studi di Bari Aldo Moro e l’AI Technology Center della rinomata azienda californiana NVIDIA.

Una delle principali innovazioni consiste nella capacità di analizzare i dati raccolti progressivamente durante il percorso clinico del paziente, permettendo di aggiornare le previsioni mentre il ricovero è ancora in corso. A tal fine, i ricercatori hanno utilizzato un database contenente cartelle cliniche e immagini radiografiche di pazienti COVID-19. Le informazioni testuali sono state trasformate in una narrazione strutturata del percorso clinico tramite schemi predefiniti che trasformano i dati clinici in testo, poi analizzata insieme alle immagini attraverso un modello multimodale (FLAVA), pre-addestrato su grandi quantità di dati immagini-testo e successivamente adattato al contesto medico.

«Il sistema produce non solo una previsione dell’esito (dimissione o decesso), ma anche una spiegazione delle decisioni, indicando quali informazioni – nelle immagini o nei dati clinici – hanno avuto maggiore peso», spiega Ivan Donadello, della Facoltà di Ingegneria di unibz. Le spiegazioni risultano coerenti con l’interpretazione clinica, come verificato da un medico del Policlinico di Bari.

Questo approccio consente di analizzare simultaneamente diverse fonti di dati e di individuare correlazioni che sarebbero difficili da cogliere considerando una sola tipologia di informazione, offrendo così un supporto concreto alle decisioni cliniche.

Lo studio, intitolato “Multimodal predictive process monitoring and its application to explainable clinical pathways” (Monitoraggio predittivo multimodale dei processi e applicazione ai percorsi clinici spiegabili, ndt.) è stato realizzato in collaborazione con i professori unibz Fabrizio Maria Maggi e Oswald Lanz e pubblicato sulla rivista scientifica Information Systems.