AI agentica a supporto della ricerca sul cancro.
Con una parte del mio tempo vorrei contribuire alla ricerca sul cancro. A laboratori e istituti di ricerca posso offrire il mio aiuto costruendo pipeline agentiche e sistemi automatizzati che rendano l’analisi dei dati oncologici più veloce, ripetibile e standardizzata, e affiancando i ricercatori nel lavoro di analisi.
Velocità
Gli agenti automatizzano e velocizzano le operazioni ripetitive, lasciando ai ricercatori più tempo per interpretazione, decisioni metodologiche e ricerca.
Ripetibilità
Ogni passaggio è versionato e tracciato, così l’analisi può essere riprodotta sempre nelle stesse condizioni.
Standardizzazione operativa
Trasformare protocolli e regole condivise in pipeline comuni, controlli automatici e output coerenti.
Demo pubblici
Machine learning per la diagnosi del tumore al seno
Pipeline riproducibile, costruita con Claude Code, che confronta 6 modelli sulle misure dei nuclei cellulari di 569 biopsie. Include soglie di classificazione pensate per screening e conferma pre-chirurgica, e spiegabilità con SHAP.
Radiomica da ecografie ovariche
Pipeline riproducibile che estrae 67 feature radiomiche da 1.269 ecografie segmentate e confronta 4 modelli sulle 8 categorie diagnostiche ufficiali. Preprocessing senza data leakage, calibrazione e audit delle immagini duplicate.
Sintesi agentica delle evidenze: radiomica ecografica e terapia neoadiuvante nel tumore al seno
Pipeline deterministica e offline, costruita da un agente AI, che estrae, valida e confronta 4 studi full text sulla radiomica ecografica per prevedere la risposta alla terapia neoadiuvante.