AFFILIAZIONE
insideai
AUTORE PRINCIPALE
Sternini Federico
VALUTA IL CHALLENGE[ratingwidget]
GRUPPO DI LAVORO
Sternini Federico – insideai, bologna
Salvi Massimo – aequip, torino
Michielli Nicola – aequip, torino
Mogetta Alessandro – aequip, torino
Scotto Manuela – aequip, torino
Pennisi Orazio Antonino Maria – aequip, torino
Molinari Filippo – aequip, torino
AREA TEMATICA
Sanità digitale e telemedicina
ABSTRACT
L’analisi di vetrini digitali rappresenta una delle attività più frequenti e importanti nella diagnostica medica in vitro. Tuttavia, i vetrini digitalizzati sono risultano molto spesso diversi fra loro in termini di qualità dell’immagine e, a seconda dello scanner utilizzato, possono presentare distribuzioni di colori differenti. Questa variabilità può rendere il percorso di formazione degli anatomo patologi più complicato e di conseguenza rendere la fase di diagnosi più complessa, in quanto molto variabile, e influenzare la precisione della valutazione.
Per affrontare questo problema, AEQUIP ha sviluppato un nuovo dispositivo medico in vitro, STAINS, che consente di normalizzare le immagini dei vetrini digitali rendendo la distribuzione di colori coerenti con un vetrino target selezionabile.
Tuttavia, la fase di validazione del dispositivo si è dovuta confrontare con la novità del prodotto, rendendo di fatto impossibile utilizzare un groundtruth per la valutazione delle performance del dispositivo. Pertanto è stato proposto un metodo composto di due fasi principali: una fase di valutazione della sicurezza e una di valutazione delle performance. Nella prima fase, si sono verificate le funzionalità base del software e si sono utilizzate metriche di coerenza dell’informazione per identificare eventuali problemi nelle elaborazioni delle immagini. Nella seconda fase, sono stati coinvolti diversi anatomo patologi per poter stimare la correttezza e la potenziale utilità clinica delle immaigni normalizzate.
I risultati hanno dimostrato che STAINS è in grado di processare le immagini dei vetrini digitali con precisione e standardizzare l’analisi dei dati. Inoltre, il software ha correttamente riconosciuto le immagini non conformi.
Il metodo proposto rappresenta un valido strumento per valutare le performance di STAINS. I risultati mostrano come il dispositivo possa migliorare la fase di diagnosi medica standardizzando le analisi sui vetrini digitali, aumentando la precisione della valutazione e consentendo una diagnosi più accurata.
