{"id":13890,"date":"2025-05-22T10:32:50","date_gmt":"2025-05-22T08:32:50","guid":{"rendered":"https:\/\/www.convegnonazionaleaiic.it\/intelligenza-artificiale-generativa-per-la-medicina-di-precisione-un-sistema-applicabile-allintranet-ospedaliera\/"},"modified":"2025-06-04T14:23:56","modified_gmt":"2025-06-04T12:23:56","slug":"intelligenza-artificiale-generativa-per-la-medicina-di-precisione-un-sistema-applicabile-allintranet-ospedaliera","status":"publish","type":"post","link":"https:\/\/www.convegnonazionaleaiic.it\/intelligenza-artificiale-generativa-per-la-medicina-di-precisione-un-sistema-applicabile-allintranet-ospedaliera\/","title":{"rendered":"INTELLIGENZA ARTIFICIALE GENERATIVA PER LA MEDICINA DI PRECISIONE: UN SISTEMA APPLICABILE ALL\u2019INTRANET OSPEDALIERA"},"content":{"rendered":"
\n
\n

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

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

universit\u00e0 degli studi di trieste<\/p>\n


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

Dr. Kresevic Simone<\/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

Dr. Kresevic Simone<\/strong> universit\u00e0 degli studi di trieste
\nProf. Ajcevic Milos<\/strong> universit\u00e0 degli studi di trieste
\nProf. Accardo Agostino<\/strong> universit\u00e0 degli studi di trieste<\/p><\/div>\n

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

Applicazioni innovative di bioingegneria: idee dalle Universit\u00e0<\/div>\n

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

Il processo decisionale clinico si basa sulla Medicina Basata sulle Evidenze (EBM) e lo strumento cardine per una corretta aderenza all\u2019EBM sono le linee guida, elaborate dai massimi esperti, per garantire standard elevati di cura. Tuttavia, l\u2019adozione pratica dell\u2019EBM \u00e8 spesso incoerente, poich\u00e9 integrare raccomandazioni complesse e in continua evoluzione nei flussi clinici risulta difficile; infatti, ogni raccomandazione viene aggiornata, in media, ogni due anni.
\nIl presente studio propone un framework innovativo che unisce le potenzialit\u00e0 dei modelli linguistici di grandi dimensioni (LLM) alla tecnica di Retrieval-Augmented Generation (RAG) per migliorare l\u2019aderenza alle raccomandazioni cliniche. Sono state utilizzate 33 linee guida inerenti alle patologie del fegato, formattate in blocchi semantici ed \u00e8 stato implementato un sistema di recupero automatico in tempo reale che estrae le informazioni pi\u00f9 rilevanti da uno spazio di rappresentazione astratto per domanda, alimentando le capacit\u00e0 generative del LLM ed evitando “allucinazioni”.
\nUn aspetto cruciale del framework \u00e8 l\u2019adozione di modelli LLM open source, che consentono di eseguire l\u2019intero processo in ambiente locale, eliminando la dipendenza da servizi esterni (ad es. OpenAI). Ci\u00f2 permette di gestire e processare dati sensibili esclusivamente all\u2019interno dell\u2019intranet ospedaliera, garantendo il pieno controllo, la conformit\u00e0 alle normative in materia di sicurezza e privacy (GDPR, HIPAA) e la mitigazione dei rischi di data breach e accessi non autorizzati. La piattaforma risultante \u00e8 dunque sicura e idonea ad ambienti regolati, requisito fondamentale per l\u2019adozione di tecnologie avanzate in ambito sanitario.
\nUtilizzando un dataset di 4202 Q&A, il framework ha dimostrato una notevole riduzione degli errori, con un incremento dell\u2019accuratezza dal 60\u201365% nella configurazione base a oltre il 90% grazie al RAG, abbattendo le \u201callucinazioni\u201d dal 40% a meno del 10%, senza differenze significative tra LLM open source e proprietari.
\nQuesto studio evidenzia come la combinazione di LLM e RAG possa costituire un valido supporto per l’interpretazione delle linee guida cliniche, facilitando l\u2019adozione dell\u2019EBM e contribuendo a decisioni terapeutiche pi\u00f9 sicure e informate. L\u2019approccio proposto, con la sua architettura locale e focalizzata sulla sicurezza, offre una soluzione che apre la strada a sistema sanitario pi\u00f9 integrato, efficiente, protetto e sempre pi\u00f9 orientato alla medicina di precisione.<\/div>\n

 <\/p>\n

\n\n