{"id":6317,"date":"2022-05-31T17:25:37","date_gmt":"2022-05-31T15:25:37","guid":{"rendered":"https:\/\/www.convegnonazionaleaiic.it\/valutazione-di-un-algoritmo-di-intelligenza-artificiale-basato-su-modellizzazione-del-seno-e-fusione-di-immagini-rm-us\/"},"modified":"2022-05-31T17:25:37","modified_gmt":"2022-05-31T15:25:37","slug":"valutazione-di-un-algoritmo-di-intelligenza-artificiale-basato-su-modellizzazione-del-seno-e-fusione-di-immagini-rm-us","status":"publish","type":"post","link":"https:\/\/www.convegnonazionaleaiic.it\/valutazione-di-un-algoritmo-di-intelligenza-artificiale-basato-su-modellizzazione-del-seno-e-fusione-di-immagini-rm-us\/","title":{"rendered":"VALUTAZIONE DI UN ALGORITMO DI INTELLIGENZA ARTIFICIALE BASATO SU MODELLIZZAZIONE DEL SENO E FUSIONE DI IMMAGINI RM-US"},"content":{"rendered":"
\n
\n

\"\"\"\" <\/p>\n

AFFILIAZIONE<\/span>
\n<\/strong>italy ultrasound marketing manager<\/p>\n

AUTORE PRINCIPALE<\/span>
\n<\/strong>Sig. LOLIVA GIUSEPPE<\/p>\n

\nVALUTA IL CHALLENGE<\/span><\/strong>
Vota<\/nobr><\/td>
<\/div><\/td><\/tr><\/table><\/p>\n<\/div>\n
\n

<\/a><\/p>\n

GRUPPO DI LAVORO<\/span><\/strong>
\nSig. LOLIVA GIUSEPPE<\/strong> – italy ultrasound marketing manager, genova<\/i>
Ing D’ONOFRIO SARA<\/strong> – clinical application leader uls strategic marketing & product development, genova<\/i>
Ing DE BENI STEFANO<\/strong> – application and workflow engineer research & development u\/s, genova<\/i>
Ing. CERESETO MARTINA<\/strong> – product manager uls strategic marketing & product development, genova<\/i>
Ing BOZZETTI MATTEO<\/strong> – operational marketing manager uls strategic marketing & product development, genova<\/i>
DR.SSA FACCHINETTI CAMILLA<\/strong> – direttore unita’ operativa semplice senologia diagnositca ospedale valduce como, como<\/i> <\/p>\n

AREA TEMATICA<\/span>
\n<\/strong>Sperimentazione clinica pre e post-market sui dispositivi medici<\/p>\n

ABSTRACT<\/span>
\n<\/strong>Valutazione di un algoritmo di Intelligenza Artificiale basato su modellizzazione del seno e fusione di immagini RM-US<\/p>\n

LOLIVA GIUSEPPE1, D’ONOFRIO SARA1, DE BENI STEFANO2, CERESETO MARTINA1, BOZZETTI MATTEO1, FACHINETTI CAMILLA3.
\n1Marketing Esaote Genova, 2R&D Esaote Genova, 3Ospedale Valduce Como.<\/p>\n

Scopo: Quando le lesioni rilevate in RM non sono visibili e\/o sono equivoche in mammografia e\/o non sono state identificate da US, viene normalmente richiesto un ulteriore esame US di \u2018second look\u2019, che deve essere correlato con i precedenti risultati RM. Lo studio intende valutare la validit\u00e0 di una nuova tecnologia di Fusion Imaging mediante Ultrasuoni (FI US), progettata su un algoritmo modello-adattivo e conforme alle pi\u00f9 avanzate tecnologie di Intelligenza Artificiale (IA), che correla e sincronizza in tempo reale l\u2019Imaging Senologico (IS) di Risonanza Magnetica (RM) a paziente prona con Imaging Senologico ecografico (US) a paziente supina.<\/p>\n

Metodi e Risultati: La RM al seno viene eseguita con le pazienti in posizione prona, mentre l\u2019esame US viene eseguito con le pazienti in posizione supina. Lo spostamento della paziente dalla RM (prona) ad US (supina) comporta variazioni significative della posizione del seno, delle sue dimensioni e della localizzazione di potenziali lesioni interne, con sostanziale spostamento spaziale e disallineamento.
\nLa nuova tecnologia di FI – Fusion Imaging US (BreastNavTM MRI, MedCom GmbH), disponibile sulle piattaforme ecografiche MyLab 9\/MyLab X9 US (Esaote SpA, Italia) dotate di sonda lineare L4-15 – range di frequenza 4-15MHz, permette di correlare e sincronizzare la RM prona ad US supina e di localizzare durante l\u2019esame US in tempo reale la posizione spaziale di un bersaglio anatomico di riferimento, relativa ad una lesione sotto indagine, precedentemente identificata su RM in posizione prona.
\nNello studio prospettico realizzato su un primo gruppo di pazienti, con diverso quadro clinico, \u00e8 stato valutato un errore euclideo, tra la posizione sonda US in tempo reale ed il target impostato su RM, con un disallineamento nell\u2019intorno dei 10mm.<\/p>\n

Conclusioni: La tecnologia BreastNavTM MRI aiuta a velocizzare il rilevamento delle lesioni identificate su RM, direttamente su esame US in tempo reale. Sono in corso ulteriori approfondimenti per ottimizzare l’accuratezza del sistema, introducendo algoritmi di machine learning e aumentando la casistica dei big data, al fine di fornire una maggiore sicurezza diagnostica all\u2019operatore.<\/p>\n

 <\/p>\n