Riconoscimento di modelli e rilevamento di anomalie nella morfologia fetale utilizzando il deep learning e l'apprendimento statistico (PARADISE)

Le anomalie congenite (CA) sono la causa più frequente di morte fetale, mortalità infantile e morbilità. Ogni anno nascono 7,9 milioni di bambini affetti da CA. La diagnosi precoce di CA facilita i trattamenti salvavita e arresta la progressione delle disabilità. La CA può essere diagnosticata prenatalmente attraverso la Morphology Scan (SM). Le discrepanze tra la diagnosi pre e postnatale di CA raggiungono il 29%. Una corretta interpretazione della SM consente una discussione dettagliata sulla prognosi con i genitori. La caratteristica centrale di PARADISE è lo sviluppo di un sistema intelligente specializzato che incorpora un comitato di metodi di Deep Learning e Statistical Learning, che lavorano insieme in modo competitivo/collaborativo per aumentare le prestazioni degli esami di SM segnalando CA. Utilizzando i test preclinici e la validazione clinica, l'obiettivo principale sarà l'implementazione diretta nella pratica clinica. Questo progetto multidisciplinare offre un'integrazione unica di approcci, competenze, scoperte in applicazioni chiave di interesse umano, psicologico, tecnologico ed economico come il sistema sanitario "più intelligente", aprendo nuovi campi di ricerca. PARADISE crea un ambiente che contribuisce in modo significativo al sistema sanitario, alle industrie mediche e farmaceutiche, alla comunità scientifica, all'economia e, in definitiva, a ciascun individuo. Il suo risultato aumenterà l'impatto sulla gestione dell'AC consentendo la creazione di piani dettagliati prima della nascita, che ridurranno la morbilità e la mortalità nei neonati.