{"id":7378,"date":"2023-04-21T13:02:43","date_gmt":"2023-04-21T11:02:43","guid":{"rendered":"https:\/\/www.convegnonazionaleaiic.it\/algoritmi-basati-su-reti-neurali-artificiali-possono-permettere-di-individuare-la-posizione-delloccipite-fetale-uno-studio-retrospettivo\/"},"modified":"2023-04-21T13:02:43","modified_gmt":"2023-04-21T11:02:43","slug":"algoritmi-basati-su-reti-neurali-artificiali-possono-permettere-di-individuare-la-posizione-delloccipite-fetale-uno-studio-retrospettivo","status":"publish","type":"post","link":"https:\/\/www.convegnonazionaleaiic.it\/algoritmi-basati-su-reti-neurali-artificiali-possono-permettere-di-individuare-la-posizione-delloccipite-fetale-uno-studio-retrospettivo\/","title":{"rendered":"ALGORITMI BASATI SU RETI NEURALI ARTIFICIALI POSSONO PERMETTERE DI INDIVIDUARE LA POSIZIONE DELL’OCCIPITE FETALE? UNO STUDIO RETROSPETTIVO"},"content":{"rendered":"
\n
\n

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

AFFILIAZIONE<\/span>
\n<\/strong>amolab srl<\/p>\n

AUTORE PRINCIPALE<\/span>
\n<\/strong>Dott.ssa Vitellio Paola<\/p>\n

\nVALUTA IL CHALLENGE<\/span><\/strong>[ratingwidget]<\/p>\n<\/div>\n

\n

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

GRUPPO DI LAVORO<\/span><\/strong>
\nDott.ssa Reho Elisa<\/strong> – amolab srl, lecce<\/i>
Dott.ssa Vitellio Paola<\/strong> – amolab srl, lecce<\/i>
Dott.ssa Di Trani Maria Giovanna<\/strong> – amolab srl, lecce<\/i>
Dott. Morello Rocco<\/strong> – consiglio nazionale delle ricerche, lecce<\/i>
Dott. Calcagnile Salvatore<\/strong> – amolab srl, lecce<\/i> <\/p>\n

AREA TEMATICA<\/span>
\n<\/strong>Applicazioni di intelligenza artificiale in sanit\u00e0<\/p>\n

ABSTRACT<\/span>
\n<\/strong>L’impiego dell’intelligenza artificiale (IA) nella valutazione della posizione dell’occipite fetale \u00e8 un’area di ricerca in rapida evoluzione. In questo studio, \u00e8 stata valutata l\u2019accuratezza di un algoritmo basato su due reti neurali convoluzionali (CNN), classificante immagini ecografiche intrapartum (US) delle posizioni dell’occipite anteriore\/posteriore\/trasversale.
\n312 donne a termine sono state arruolate da 21 ospedali partecipanti allo studio multicentrico “AI Occiput”. Un totale di 1261 immagini ecografiche transperineali sono state selezionate e classificate come Anteriori, Posteriori o Trasversali per avere un riferimento per valutare l’accuratezza dell’algoritmo rispetto al gold standard (operatore esperto).
\nNell\u2019approccio proposto, le due CNN sono state addestrate in modo indipendente per classificare rispettivamente anteriore\/non anteriore (CNNA\/nA) e posteriore\/trasverso (CNNP\/T). L’algoritmo segue dunque due possibili percorsi:
\n1) se l’immagine \u00e8 classificata come Anteriore, l’algoritmo termina fornendo l’output Anteriore
\n2) se l’immagine \u00e8 classificata come non anteriore, l’immagine diventer\u00e0 l’input della seconda rete neurale (CNNP\/T), che la classifica come posteriore\/trasversale.
\nLe posizioni dell’occipite anteriore\/non anteriore classificate CNNA\/nA sono state classificate con accuratezza del 98,3%, specificit\u00e0 del 97,2% e sensibilit\u00e0 del 98,7%. Posizioni posteriori\/trasversali classificate CNNP\/T con accuratezza del 91,3%, specificit\u00e0 dell’89,5% e sensibilit\u00e0 dell’89,9%.
\nLa classificazione finale di Anteriore\/Posteriore\/Trasverso \u00e8 stata raggiunta con accuratezza del 95,4%, specificit\u00e0 del 97,1%, sensibilit\u00e0 del 94,5%, F1-score del 93,7%.
\nL’algoritmo proposto classifica le posizioni dell’occipite con risultati sovrapponibili al Gold Standard; pertanto l’impiego dell’IA pu\u00f2 migliorare la qualit\u00e0 del management del travaglio tramite un approccio non invasivo ed operatore-indipendente e pu\u00f2 altres\u00ec fornire una valutazione pi\u00f9 accurata e oggettiva atta ad evitare potenziali errori di valutazione umana.<\/p>\n

 <\/p>\n