AFFILIAZIONE
frequentatore in formazione presso servizio unico ingegneria clinica ausl e aou di modena
AUTORE PRINCIPALE
Ing. Crupi Roberta
Registrazione obbligatoria. Una valutazione consentita
login avvenuto
GRUPPO DI LAVORO
Ing. Crupi Roberta frequentatore in formazione presso servizio unico ingegneria clinica ausl e aou di modena
Ing Pastore Chiara collaboratore tecnico presso servizio unico ingegneria clinica ausl e aou di modena
Ing. Parenti Elena collaboratore tecnico presso servizio unico ingegneria clinica ausl e aou di modena
Ing. Garaffa Vincenzo dirigente presso servizio unico ingegneria clinica ausl e aou di modena
Ing. Martignon Marco dirigente presso servizio unico ingegneria clinica ausl e aou di modena
Ing. Cecoli Sonia dirigente presso servizio unico ingegneria clinica ausl e aou di modena
Ing. Traldi Leo dirigente presso servizio unico ingegneria clinica ausl e aou di modena
Ing Pastore Chiara collaboratore tecnico presso servizio unico ingegneria clinica ausl e aou di modena
Ing. Parenti Elena collaboratore tecnico presso servizio unico ingegneria clinica ausl e aou di modena
Ing. Garaffa Vincenzo dirigente presso servizio unico ingegneria clinica ausl e aou di modena
Ing. Martignon Marco dirigente presso servizio unico ingegneria clinica ausl e aou di modena
Ing. Cecoli Sonia dirigente presso servizio unico ingegneria clinica ausl e aou di modena
Ing. Traldi Leo dirigente presso servizio unico ingegneria clinica ausl e aou di modena
AREA TEMATICA
Applicazioni di intelligenza artificiale in sanità
ABSTRACT
L’Intelligenza Artificiale applicata al miglioramento delle immagini diagnostiche di radiologia: revisione del Dipartimento Interaziendale – Servizio Unico Ingegneria Clinica delle Aziende USL ed Ospedaliero Universitaria di Modena
Si sono affacciate al mercato proposte di applicazione di AI per immagini diagnostiche, che mirano a migliorare l’immagine disponibile per la refertazione, prima che questa sia archiviata nel PACS. La duplice finalità è di risparmiare tempo (esposizione) e di migliorare la qualità dell’immagine.
La valutazione complessiva comprende misurazioni di sostenibilità economica ed ambientale, almeno nei termini di principio definiti dal DNSH. Per questo calcolo, si è deciso di impostare il sistema sulla massima riduzione del tempo di esecuzione a parità di qualità di immagine, per non definire arbitrariamente il “valore” energetico del miglioramento di qualità dell’immagine.
Se riteniamo la qualità dell’immagine pienamente soddisfacente, possiamo spingere completamente la potenzialità del sistema sulla riduzione del tempo di esecuzione. Viceversa, se riteniamo che il tempo di esecuzione ed esposizione sia il limite accettabile da non superare, possiamo spingere al massimo sul recupero di qualità dell’immagine.
A partire da una richiesta di prova del sistema SwiftMRTM del Dipartimento Interaziendale ad Attività integrata di Diagnostica per Immagini, l’Ingegneria Clinica ha proposto una revisione della letteratura disponibile per ampliare il numero di casi studiati, beneficiare delle esperienze e delle conclusioni espresse, adottare una ipotesi di lavoro e di protocollo per alcuni distretti anatomici e massimizzare l’utilità del sistema.
Le pubblicazioni acquisite sono complessivamente 27, divise in:
6 case reports (alcuni già revisione di precedenti)
8 case studies
8 clincal pubblications
5 white paper
Dividendo per distretto anatomico e tecnologia le conclusioni, si ricerca la definizione del miglior protocollo, inteso come rapporto fra guadagno di tempo e di qualità dell’immagine, da applicare in modo sistematico alla produzione di immagini diagnostiche con il massimo vantaggio.
Si sono affacciate al mercato proposte di applicazione di AI per immagini diagnostiche, che mirano a migliorare l’immagine disponibile per la refertazione, prima che questa sia archiviata nel PACS. La duplice finalità è di risparmiare tempo (esposizione) e di migliorare la qualità dell’immagine.
La valutazione complessiva comprende misurazioni di sostenibilità economica ed ambientale, almeno nei termini di principio definiti dal DNSH. Per questo calcolo, si è deciso di impostare il sistema sulla massima riduzione del tempo di esecuzione a parità di qualità di immagine, per non definire arbitrariamente il “valore” energetico del miglioramento di qualità dell’immagine.
Se riteniamo la qualità dell’immagine pienamente soddisfacente, possiamo spingere completamente la potenzialità del sistema sulla riduzione del tempo di esecuzione. Viceversa, se riteniamo che il tempo di esecuzione ed esposizione sia il limite accettabile da non superare, possiamo spingere al massimo sul recupero di qualità dell’immagine.
A partire da una richiesta di prova del sistema SwiftMRTM del Dipartimento Interaziendale ad Attività integrata di Diagnostica per Immagini, l’Ingegneria Clinica ha proposto una revisione della letteratura disponibile per ampliare il numero di casi studiati, beneficiare delle esperienze e delle conclusioni espresse, adottare una ipotesi di lavoro e di protocollo per alcuni distretti anatomici e massimizzare l’utilità del sistema.
Le pubblicazioni acquisite sono complessivamente 27, divise in:
6 case reports (alcuni già revisione di precedenti)
8 case studies
8 clincal pubblications
5 white paper
Dividendo per distretto anatomico e tecnologia le conclusioni, si ricerca la definizione del miglior protocollo, inteso come rapporto fra guadagno di tempo e di qualità dell’immagine, da applicare in modo sistematico alla produzione di immagini diagnostiche con il massimo vantaggio.
