Stefano Diciotti

Nato a Firenze nel 1975, si è laureato in ingegneria elettronica nell’università della sua città nel 2001. Ha quindi conseguito un dottorato di ricerca in bioingegneria all’Università degli studi di Bologna e ha svolto successivamente attività di ricerca post-dottorale all’Università degli studi di Firenze. Dal 2013 lavora all’Università di Bologna, dove è professore associato in bioingegneria elettronica e informatica e referente scientifico esecutivo dell’area “AI for health and well-being” dell’Alma Mater Research Institute for Human-Centered Artificial Intelligence. La sua attività di ricerca si concentra sull’imaging biomedico e sull’applicazione dell’intelligenza artificiale alle scienze della vita, con particolare attenzione alle patologie neurologiche e polmonari. È autore di oltre 140 pubblicazioni scientifiche su riviste internazionali peer-reviewed e ha partecipato, come responsabile o coordinatore, a numerosi progetti di ricerca finanziati da enti pubblici e privati.

Progetti seguiti

Try-A-Lung: an artificial intelligence framework for the generation of lung cancer screening in-silico trials

Nome dell'istituzioneAlma Mater Studiorum Università di Bologna
RegioneEmilia-Romagna
Budget anno in corso50.000 €
Tipo di progettoIG
Annualità2025 - 2030
Descrizione

Il progetto mira a migliorare i programmi sperimentali di screening per la diagnosi precoce del tumore del polmone, rendendoli più precisi ed efficaci. Oggi la selezione delle persone da sottoporre a tali controlli è basata soprattutto sull’età e sull’abitudine al fumo, ma è noto che tali esami possono portare a numerosi risultati falsi positivi e a ulteriori esami spesso non necessari e invasivi. Per ridurre questi rischi, si intende sviluppare un sistema basato sull’intelligenza artificiale in grado di integrare anche i dati clinici e le immagini diagnostiche per valutare in modo più completo il rischio individuale. Inoltre, si prevede di creare sistemi sperimentali avanzati in grado di simulare studi clinici e generare dati sintetici, utili per testare diverse strategie di screening per la diagnosi precoce e di trattamento. I risultati attesi includono una riduzione degli esami non necessari e un miglior equilibrio tra rischi e benefici per i pazienti, oltre a programmi di screening più sostenibili anche dal punto di vista economico per il Servizio sanitario nazionale (SSN). Questo approccio potrà contribuire anche a una migliore comprensione e gestione delle varie malattie correlate al fumo, dai tumori alle patologie respiratorie e cardiovascolari.