rotate-mobile
Cronaca

Coronavirus: tre studenti dell'UniTs creano un'intelligenza artificiale per velocizzare la ricerca

Il primo browser semantico per estrarre e condividere conoscenze dalla mole di dati scientifici prodotti su SARS-CoV-2 e velocizzare lo sviluppo di nuovi farmaci e di un vaccino

In una mole di dati troppo grande per effettuare ricerche specifiche sul tema del Covid 19, tre studenti dell'Università di Trieste sono riusciti a trovare la soluzione creando un "semantic browser", che rende reperibili esattamente i dati ricercati dagli scienziati tramite una particolare intelligenza artificiale.L'idea è quella di utilizzare il linguaggio naturale per interrogare database di articoli scientifici correlati al SARS-CoV-2 ed estrarre facilmente informazioni utili nella lotta al Covid-19.  E’ quanto sono riusciti a fare tre studenti del corso di laurea in Data Science and Scientific Computing dell’Università degli Studi di Trieste.

Troppi dati in rete

Nel 2020 sono già oltre 4mila gli studi pubblicati sul virus SARS-CoV-2 e su Covid-19 in tutto il mondo, a cui si aggiungono più di 40mila articoli relativi a vari coronavirus e patologie da essi causate. Un tale volume di produzione scientifica rende impossibile a medici e ricercatori tenere il passo con l’acquisizione di nuove conoscenze. 

Nasce da qui l’idea confluita nel progetto “COVID-19 Semantic Browser”, realizzato in collaborazione con Area Science Park e l’Associazione Italiana di Linguistica Computazionale (AILC). Obiettivo: facilitare la condivisione delle conoscenze nella comunità scientifica e accelerare lo sviluppo di farmaci adeguati e l’individuazione di un vaccino.

La novità

Ma qual è l’elemento di novità che rende questa soluzione unica e diversa rispetto ad altri motori di ricerca esistenti? È il ricorso alla ricerca semantica, diversa dalla ricerca con parole chiave alla quale siamo normalmente abituati. In pratica, più il sistema viene interrogato con frasi articolate e descrittive, migliore sarà il risultato ottenuto. Ad esempio, digitando "What is the impact of COVID-19 on newborn babies and pregnant women?" si otterranno risultati migliori che ricercando "Covid-19 pregnant women".

“Di sistemi simili al nostro ce ne sono molto pochi in circolazione – sottolinea l’ideatore Gabriele Sarti, studente alla laurea magistrale in Data Science and Scientific Computing (DSSC) dell’Università degli Studi di Trieste (https://dssc.units.it) e borsista Sissa.  La particolarità del nostro Covid-19 Semantic Browser è che permettiamo agli utenti di esplorare i paragrafi più rilevanti all'interno di ogni articolo, partendo da un’interrogazione effettuata con linguaggio naturale. Cliccando sui risultati si ha l'accesso diretto all'articolo via link e, se presenti, alle informazioni più pertinenti. Al contrario di molti altri sistemi, inoltre, utilizziamo reti neurali allenate su grandi quantità di pubblicazioni in ambito biomedico per massimizzare l'efficacia della ricerca”.

Il sistema è installato sulle piattaforme IT di Area Science Park ed è attualmente disponibile in beta test all’indirizzo: covidbrowser.areasciencepark.it

Un nuovo prototipo è attualmente in fase di sviluppo grazie alla collaborazione di altri due studenti del DSSC, Tommaso Rodani, collaboratore di eXact lab, e Marco Franzon, borsista dell’istituto IOM-CNR, ideatori di uno strumento analogo ospitato gratuitamente sull’infrastruttura di eXact lab srl (covid.exact-lab.it). 

Il progetto vede inoltre il contributo di Mirko Lai dell'Università degli Studi di Torino e Francesco Zuppichini di PwC Zurigo.

In Evidenza

Potrebbe interessarti

Coronavirus: tre studenti dell'UniTs creano un'intelligenza artificiale per velocizzare la ricerca

TriestePrima è in caricamento