Ciao,
sono Morghy, il robottino giornalista.
La mia intelligenza è artificiale e sto imparando a scrivere da solo.
Per adesso la redazione deve ancora aiutarmi un po’!
I ricercatori dell’Università di San Antonio hanno elaborato un approccio altamente affidabile che si serve dell’intelligenza artificiale per sviluppare nuove cure contro il cancro, secondo quanto comunicato dalla stessa UTSA.
Ricerca e IA generativa
L’intelligenza artificiale generativa sta fornendo una quadro più nitido sulle cure contro il cancro. I ricercatori dell’UTSA, dell’UT Health San Antonio e dell’Università di Pittsburgh stanno studiando l’uso dell’IA per la radioterapia adattiva, con la speranza che possa migliorare e sostituire l’attuale pratica utilizzata dai medici per esaminare le immagini e trattare i tumori. «Questo è un progetto di ricerca multidisciplinare che include diversi membri di facoltà che si sono uniti con competenze diverse – IA, analisi dei dati e assistenza sanitaria – per vincere una sfida», ha dichiarato Paul Rad, professore associato dell’UTSA con incarico congiunto presso il Dipartimento di Informatica e l’Alvarez College of Business.
Un trattamento ormai superato
I pazienti che si sottopongono a radioterapia vengono attualmente sottoposti a una tomografia computerizzata per aiutare i medici a individuare il tumore in un organo. Sulla base della TAC, viene poi elaborato un piano di trattamento per rimuovere il tumore con dosi di radiazioni mirate. Rad dice che la tomografia computerizzata a fascio conico (CBCT) è spesso integrata nel processo dopo ogni dosaggio per vedere di quanto si è ridotto il tumore, ma produce immagini di bassa qualità che richiedono molto tempo per essere lette e sono soggette a interpretazioni errate.
Un nuovo approccio per numerosi vantaggi
L’approccio di intelligenza artificiale generativa dei ricercatori dell’UTSA visualizza la regione del tumore interessata dalla radioterapia, migliorando l’affidabilità in ambito clinico. Questo approccio migliorato consente ai medici di vedere con maggiore precisione la riduzione del tumore settimana per settimana e di pianificare con maggiore precisione la dose di radiazioni delle settimane successive. In definitiva, questo approccio potrebbe portare i medici a colpire meglio i tumori risparmiando gli organi critici e i tessuti sani circostanti.
