La Divisione di Anatomia Patologica dell’Istituto Europeo di Oncologia (IEO) e Laife Reply, società del Gruppo Reply specializzata in soluzioni di AI e Big Data per il settore sanitario, hanno avviato una collaborazione per sviluppare Bianca, il primo progetto in Italia orientato alla creazione di una biobanca digitale basata su AI, concepita come parte integrante dell’attività diagnostica clinica.
L’iniziativa si inserisce in un percorso di innovazione tecnologica che integra in modo strutturato ricerca e sviluppo nei processi diagnostici di routine dell’anatomia patologica, trasformando il flusso tradizionale dei campioni istopatologici in un ecosistema digitale end-to-end. La digitalizzazione completa del flusso diagnostico istopatologico e molecolare ha l’obiettivo di rendere l’analisi più efficiente, scalabile e riproducibile, creando le basi per l’evoluzione della diagnosi oncologica supportata da algoritmi di Intelligenza Artificiale.
Selezionato nel bando “Accordi per l’Innovazione”, promosso dal Ministero delle Imprese e del Made in Italy (MIMIT), e nell’ambito una collaborazione ormai consolidata IEO e Reply, il progetto Bianca prevede, in primo luogo, la digitalizzazione dei vetrini istopatologici tramite scanner di ultima generazione, in grado di generare immagini digitali di tessuti ad altissima risoluzione. Su questa piattaforma, vengono sviluppati e addestrati algoritmi di Intelligenza Artificiale progettati per analizzare le immagini e supportare i patologi nell’analisi istologica-molecolare e nella formulazione di ipotesi clinico-diagnostiche.
Avviato a fine 2024 e della durata complessiva prevista di 30 mesi, il progetto è giunto a metà del suo percorso: il vasto archivio di campioni istopatologici raccolti dalla Biobanca IEO nel corso degli anni è oggi in fase avanzata di digitalizzazione, mentre Laife Reply sta collaborando attivamente con il team congiunto Anatomia Patologica – Sistemi Informativi dello IEO nell’addestrando algoritmi di AI su diverse tipologie di tumori, introducendo soluzioni algoritmiche avanzate che utilizzano meccanismi di auto-annotazione, capaci di etichettare automaticamente i reperti patologici sulle immagini, riducendo il carico manuale dei clinici, accelerando l’addestramento dei modelli, migliorandone la precisione e rendendo l’approccio replicabile su larga scala.
Il progetto sta esplorando inoltre l’uso di algoritmi multimodali, capaci di combinare immagini istopatologiche e dati clinici strutturati per l’identificazione e l’analisi di nuovi biomarcatori. In particolare, sono già in corso attività di ricerca su specifiche patologie, con l’obiettivo di predire informazioni oggi ottenibili solo attraverso test complessi, riducendo tempi, costi e impatto sui pazienti.
“BIANCA rappresenta un punto di svolta per l’anatomia patologica oncologica” ha dichiarato il Prof. Nicola Fusco, Direttore della Divisione di Anatomia Patologica dello IEO. “L’integrazione della digitalizzazione e dell’AI consente di elevare in modo significativo la qualità, la standardizzazione e la riproducibilità della diagnosi, sia essa istopatologica o molecolare, ottimizzando l’intero flusso di lavoro, riducendo i tempi di refertazione, razionalizzando i costi, e migliorando l’efficienza complessiva del servizio diagnostico per i nostri pazienti. Parallelamente, il progetto contribuisce alla formazione di una nuova classe di patologi con competenze ultra-specialistiche, capaci di coniugare expertise morfologico-molecolare e utilizzo avanzato di strumenti digitali e algoritmi di AI, aprendo la strada a un’evoluzione sostenibile della diagnostica oncologica.”
“Con BIANCA stiamo collaborando con lo IEO per supportare l’evoluzione dell’anatomia patologica in ambito oncologico”, ha dichiarato Carlo Malgieri Partner di Laife Reply. “Non si tratta solo di applicare l’intelligenza artificiale a singoli casi, ma di costruire un framework scalabile e industrializzabile, pensato per essere offerto a ospedali e realtà sanitarie di minori dimensioni, che integra digitalizzazione dei campioni, algoritmi avanzati e infrastrutture di analisi ad alte prestazioni. Questo approccio consente di supportare i clinici, abilitare nuovi servizi per il sistema sanitario e per la ricerca oncologica, e garantire trasparenza ed explainability, fondamentali affinché ogni decisione suggerita dall’algoritmo sia affidabile.”