{"id":11677,"date":"2025-04-04T09:36:23","date_gmt":"2025-04-04T07:36:23","guid":{"rendered":"https:\/\/edihadria.eu\/?p=11677"},"modified":"2025-04-04T12:10:57","modified_gmt":"2025-04-04T10:10:57","slug":"digitalna-transformacija-u-zdravstvu-primjena-umjetne-inteligencije-u-ocitanju-mamografskih-nalaza-u-domu-zdravlja-primorsko-goranske-zupanije","status":"publish","type":"post","link":"https:\/\/edihadria.eu\/it\/digitalna-transformacija-u-zdravstvu-primjena-umjetne-inteligencije-u-ocitanju-mamografskih-nalaza-u-domu-zdravlja-primorsko-goranske-zupanije\/","title":{"rendered":"Trasformazione digitale nel settore sanitario: Applicazione dell'intelligenza artificiale nella lettura dei risultati mammografici nel centro sanitario della contea di Primorje-Gorski Kotar"},"content":{"rendered":"

Sfide<\/strong><\/h3>\n

Il centro sanitario della contea di Primorje-Gorski Kotar, cos\u00ec come molte altre istituzioni sanitarie in Croazia e oltre, affronta processi lunghi e ad alta intensit\u00e0 di risorse di lettura di mammografie. Una delle sfide chiave \u00e8 la mancanza cronica di radiologi, con conseguente lunghe liste d'attesa, diagnosi ritardata e un aumento del rischio di mancare i primi segni di cancro al seno.<\/p>\n

Nel contesto della diagnosi precoce del cancro al seno, il tempo \u00e8 un fattore chiave. Ogni giorno di ritardo nella lettura pu\u00f2 significare la differenza tra un trattamento di successo e un intervento tardivo e pi\u00f9 complicato. Inoltre, l'interpretazione delle mammografie spesso comporta una certa dose di soggettivit\u00e0, che aumenta ulteriormente la pressione sul numero limitato di radiologi disponibili e riduce la coerenza diagnostica tra gli specialisti.<\/p>\n

Alla luce di quanto precede, \u00e8 diventato necessario prendere in considerazione l'uso dell'intelligenza artificiale (IA) come partner tecnologico per affrontare queste sfide. L'IA non sostituirebbe i professionisti, ma consentirebbe loro di svolgere il proprio lavoro in modo pi\u00f9 efficiente, rapido e sicuro.<\/p>\n

Soluzione<\/strong><\/h3>\n

Nell'ambito delle attivit\u00e0 Test Before Invest (TBI), l'EDIH Adria ha proposto e testato l'applicazione di un modello di IA per il rilevamento e la localizzazione automatici delle lesioni su mammografie, basato sull'algoritmo YOLOv11, uno dei modelli di visione artificiale pi\u00f9 avanzati e veloci per l'analisi delle immagini in tempo reale.<\/p>\n

Individuazione e localizzazione di lesioni sospette - YOLOv11<\/strong><\/h4>\n

Il modello YOLOv11 (You Only Look Once) utilizza reti neurali convoluzionali profonde per analizzare l'intera immagine in un unico passaggio, consentendo il rilevamento molto veloce e preciso di masse sospette. Il sistema rileva e classifica le lesioni come potenzialmente benigne o maligne e indica automaticamente le loro posizioni nell'immagine mammografica, insieme al livello di confidenza per ogni risultato.<\/p>\n

Durante i test, il modello ha mostrato risultati significativi in termini di velocit\u00e0 e precisione, e un ulteriore vantaggio \u00e8 che pu\u00f2 essere regolato e ulteriormente addestrato sui dati domestici, il che aumenterebbe la specificit\u00e0 nel contesto del sistema sanitario croato.<\/p>\n

Il sistema \u00e8 concepito come uno strumento che supporta il triage del paziente: indica i casi a rischio e ne consente l'esame prioritario, contribuendo in modo significativo all'ottimizzazione del processo diagnostico in condizioni di risorse limitate.<\/p>\n