Studiosi di due continenti autori dell'indagine sui modelli matematici predittivi circa la diffusione del Sars-Cov-2 attraverso il machine learning
L’unico studio italiano sul Coronavirus pubblicato su una rivista scientifica del prestigio di Nature – Scientific reports. Si tratta dell’ottimo traguardo già raggiunto dal progetto di ricerca internazionale Dynamics of Covid-19, promosso e coordinato dal professor Massimiliano Ferrara, avviato nel mese di settembre 2020, sotto l’egida dell’Organizzazione Mondiale della Sanità, promosso dal Decisions_Lab dell’Università Mediterranea e sostenuto dall’Università Bocconi – Icrios.
Un progetto che ha quale missione l’elaborazione di modelli matematici predittivi circa la diffusione del Covid-19 nei diversi continenti e nuovi strumenti di diagnosi attraverso l’intelligenza artificiale e il machine learning.
La pubblicazione GraphCovidNet: A Graph Neural Network based Model for Detecting COVID-19 from CT scans and X-Rays of Chest vede come autori lo stesso Ferrara – coordinatore della ricerca -, Pritam Saha, Debadyuti Mukherjee, Pawan Kumar Singh, Ali Ahmadian e Ram Sarkar.
Per produrla, hanno sinergizzato Faculty dei seguenti Dipartimenti universitari: Department of Electrical Engineering, Department of Computer Science and Engineering, Department of Information Technology, Jadavpur University, Kolkata India; Institute of IR 4.0, The National University of Malaysia, Selangor, Malaysia oltre che naturalmente l’Icrios – Università Bocconi di Milano e il Decisions_Lab dell’Università Mediterranea grazie alla presenza dello stesso Ferrara.
che ha coordinato la ricerca pubblicata su “Nature”
Di fatto, un network internazionale che unisce due continenti attraverso una ricerca riguardante gli effetti di questa pandemia globale.
Con questo studio si introduce una nuova rete isomorfa “a grafo”. Il nuovo modello GraphCovidNet (questo il nome del brevetto che gli autori hanno presentato negli USA) valuta la radiografia del torace sulla base di quattro set di dati standard di cui si dispone, tra cui: set di dati SARS-COV-2 Ct-Scan, set di dati COVID-CT, combinazione di set di dati covid-radiografia del torace, immagini radiografiche del torace (Polmonite) dataset e CMSC-678-ML-Project dataset e, infine, in un confronto con queste basi di dati da cui si rileva il COVID-19 e soprattutto le sue tre varianti principali. Il modello mostra un’incredibile precisione del 99% per tutti i set di dati e la sua capacità di previsione diventa precisa al 100% per il problema della classificazione binaria del rilevamento delle scansioni COVID-19.
«Io e il gruppo di ricerca che ho il piacere e l’onore di coordinare, soprattutto nelle sue Componenti autoctone (Bruno Pansera, Tiziana Ciano, Mariangela Gangemi, Stefania Merenda, Valentina Mallamaci e Pasquale Fotia) siamo soddisfatti per l’importante risultato raggiunto – chiosa Massimiliano Ferrara -. Il nostro obiettivo è programmare la sperimentazione dell’algoritmo e del processo machine learning presso il nostro Grande Ospedale Metropolitano (Gom) con cui è già in atto con il Digies – il Dipartimento di Giurisprudenza, Economia e Scienze umane della “Mediterranea”, ndr -, di cui sono direttore sino al prossimo 30 settembre, una convenzione collaborativa su ricerche legate alla pandemia e all’economia comportamentale».
