
Artificial intelligence, Machine Learning e Diagnosi della Pelle: Un Progetto con gli Studenti di ITS Nuove Tecnologie della Vita Academy.
Negli ultimi mesi, all’interno del modulo di Bioinformatica, L’ITS Nuove Tecnologie per la Vita Academy ha lavorato con i ragazzi a un progetto di Visual Machine Learning e Raspberry per il riconoscimento delle macchie cutanee. L’obiettivo? Supportare i professionisti nella diagnosi precoce di eventuali tumori della pelle.
E’ stato utilizzato un dataset di immagini da Kaggle, e preso come riferimento il lavoro di Aakash Kumar Nain. Il modello in studio è stato successivamente convertito in TensorFlow Lite e installato su un Raspberry Pi, utilizzando una fotocamera per l’analisi delle immagini in tempo reale. E’ stato quindi creato un software per la gestione dei pazienti con la storia clinica.
Caratteristiche del software
- Riconosce diverse tipologie di macchie cutanee
- Fornisce un primo livello di analisi utile per i professionisti
- Funziona su dispositivi a basso costo, rendendo la tecnologia più accessibile
- Gestisce la storia clinica dei pazienti
Il lavoro con gli studenti è stato un’esperienza straordinaria, che ha dimostrato come AI e bioinformatica possano contribuire alla ricerca e alla prevenzione in ambito medico. C’è ancora molto da fare, ma i risultati sono promettenti!
Considerazioni finali
Il progetto presentato dai ragazzi dell’ITS, basato su studi avviati in campo medico, ha consentito di sviluppare un prototipo di applicazione a bassissimo costo (un Raspberry PI, una fotocamera e software di pubblico dominio) per facilitare la diagnostica per immagini.
Non si tratta ovviamente (ancora) di uno strumento medico utilizzabile nel settore della telediagnosi, ma è comunque uua realizzazione utile per avvicinare i ragazzi alle problematiche legate alle biotecnologie.
Complimenti dalla Redazione!
Iscriviti ai nostri gruppi Telegram
Link utili