Scienze Mediche, Preventive E Della Nutrizione Per La Salute E La Longevità - 41 Ciclo

Il cancro del cavo orale è una neoplasia diffusa, spesso diagnosticata tardivamente a causa della sottovalutazione delle lesioni precoci. Lesioni potenzialmente maligne come leucoplachia, eritroplachia, lichen planus orale e displasie vengono frequentemente confuse con alterazioni benigne, ritardando la diagnosi e il trattamento. La possibilità di riconoscerle tempestivamente attraverso l’uso dell’intelligenza artificiale applicata all’analisi di immagini cliniche rappresenta un’opportunità concreta per migliorare la prevenzione oncologica. Il progetto ha l’obiettivo di sviluppare un’app mobile basata su algoritmi di deep learning in grado di analizzare immagini cliniche delle mucose orali e riconoscere automaticamente lesioni compatibili con quadri benigni, potenzialmente maligni o francamente maligni. L’app fornirà una stima del rischio e indicazioni sul percorso clinico da intraprendere (monitoraggio, biopsia, invio specialistico). Per realizzare ciò, verrà costituito un dataset di immagini raccolte da centri clinici accreditati, corredate da diagnosi confermate istologicamente e metadati clinici. Le immagini saranno preprocessate, annotate e ampliate con tecniche di data augmentation. Il modello predittivo sarà costruito su architetture di rete neurale convoluzionale (CNN), ottimizzate attraverso tecniche di transfer learning. Il sistema sarà addestrato e validato su set indipendenti, con successiva validazione esterna. Il prototipo dell’applicazione sarà sviluppato in ambiente multipiattaforma, con un’interfaccia intuitiva destinata a operatori sanitari di primo livello (medici di base, odontoiatri, igienisti). L’obiettivo è fornire uno strumento di supporto alla diagnosi, facilmente accessibile e utilizzabile anche in contesti a bassa disponibilità specialistica. I risultati attesi comprendono un modello con accuratezza diagnostica superiore all’85%, in grado di migliorare il riconoscimento precoce delle lesioni orali sospette e di contribuire alla riduzione dei tempi diagnostici. Il progetto, altamente innovativo, integra competenze cliniche e informatiche, con potenziali ricadute positive sulla sanità pubblica, in particolare nella prevenzione dei tumori del cavo orale.