{"id":13834,"date":"2025-05-22T10:32:40","date_gmt":"2025-05-22T08:32:40","guid":{"rendered":"https:\/\/www.convegnonazionaleaiic.it\/scegliere-la-accettabilita-della-performance-di-un-modello-predittivo-in-base-alla-popolazione-target-e-in-base-allo-stato-dellarte\/"},"modified":"2025-06-04T14:23:11","modified_gmt":"2025-06-04T12:23:11","slug":"scegliere-la-accettabilita-della-performance-di-un-modello-predittivo-in-base-alla-popolazione-target-e-in-base-allo-stato-dellarte","status":"publish","type":"post","link":"https:\/\/www.convegnonazionaleaiic.it\/scegliere-la-accettabilita-della-performance-di-un-modello-predittivo-in-base-alla-popolazione-target-e-in-base-allo-stato-dellarte\/","title":{"rendered":"SCEGLIERE LA ACCETTABILIT\u00c0 DELLA PERFORMANCE DI UN MODELLO PREDITTIVO IN BASE ALLA POPOLAZIONE TARGET E IN BASE ALLO STATO DELL\u2019ARTE"},"content":{"rendered":"
\n
\n

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

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

riatlas srl<\/p>\n


\nAUTORE PRINCIPALE<\/span><\/strong><\/p>\n

Furno Domenico<\/p>\n

VALUTA IL CHALLENGE
\n<\/span><\/strong><\/p>\n

Registrazione obbligatoria. Una valutazione consentita<\/em><\/div>\n
\t\t
\n\t\t\t\t
\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\n\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\tLogin<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\n\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\tRegistrazione<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t
\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

login avvenuto<\/em><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\n\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\tLogout<\/span>\n\t\t\t\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<\/div>\n
[ratingwidget]<\/div>\n<\/div>\n
\n

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

GRUPPO DI LAVORO<\/span><\/strong><\/p>\n

Furno Domenico<\/strong> riatlas srl
\n Ravizza Alice<\/strong> insideai srl<\/p><\/div>\n

AREA TEMATICA<\/span><\/strong><\/p>\n

Applicazioni di intelligenza artificiale in sanit\u00e0<\/div>\n

ABSTRACT<\/span><\/strong><\/p>\n

Per validare le prestazioni e la sicurezza del dispositivo Riatlas, basato su IA per la predizione dei punteggi ICF, \u00e8 stato adottato un processo strutturato in fasi: definizione dei materiali e metodi adeguati (dataset di addestramento, metodo di validazione, dataset di validazione) e, solo successivamente, la validazione del modello.
\nIl dataset di addestramento \u00e8 stato costruito per rappresentare accuratamente la popolazione target, utilizzando codici ICD9 rilevanti per oncologia (140\u2013239) e neuroriabilitazione (320\u2013389 e 430\u2013438). Include 52 pazienti oncologici e 87 neuro-riabilitativi, con una variet\u00e0 di quadri clinici e sottotipi, garantendo la copertura delle condizioni per cui il sistema \u00e8 progettato. Questa selezione rappresentativa consente al modello di apprendere con accuratezza i pattern clinici rilevanti.
\nIl metodo di validazione \u00e8 stato pensato per modelli multilabel e gerarchici, come richiesto dalla struttura tassonomica dell\u2019ICF. Ogni previsione \u00e8 valutata rispetto a un insieme di etichette gerarchiche. Sono stati definiti due parametri: una funzione di peso f(d), che assegna un punteggio decrescente in base alla distanza concettuale (1 per corrispondenza esatta, 0,8 per distanza 1, 0,5 per distanza 2, 0 per distanza >2), e una soglia di profondit\u00e0 t=1, che esclude contributi parziali per i primi due livelli gerarchici. Il metodo \u00e8 stato descritto in una pubblicazione peer-reviewed.
\nIl dataset di validazione \u00e8 stato costruito con criteri coerenti alla popolazione target (et\u00e0, genere, condizione clinica), garantendo la presenza di dati validi in ogni campo significativo. Ogni dataset rappresenta almeno il 20% del totale e viene validato con cross-validation a 5 fold. Tali dataset rispettano i requisiti minimi di qualit\u00e0 richiesti, analoghi a quelli previsti per l\u2019addestramento.
\nPer la validazione del modello, \u00e8 stata fissata una soglia minima conservativa del 70% sull\u2019F1 score mediano per l\u2019uso pre-commerciale. Tuttavia, la letteratura indica che solo F1 \u2265 84% garantisce un validit\u00e0 clinica. I test hanno prodotto i seguenti risultati:
\nOncologia (ICD 140\u2013239): media 88,82%, mediana 89,84%<\/p>\n

Neuroriabilitazione (ICD 320\u2013389): media 85,88%, mediana 85,94%<\/p>\n

Neuroriabilitazione (ICD 430\u2013438): media 85,16%, mediana 84,03%<\/p>\n

Tutti i test hanno superato le soglie previste, confermando la conformit\u00e0 del modello per ciascuna popolazione target.<\/p><\/div>\n

 <\/p>\n

\n\n