ITOBOS - Intelligent body scanner for early detection of melanoma

Il melanoma è uno dei tumori più aggressivi che possono essere scoperti in fase iniziale ed è responsabile del 60% dei neoplasia cutanea letale. La sua incidenza è in aumento nella popolazione bianca e potrebbe diventare una sfida per la salute pubblica a causa dell’aumento dell’aspettativa di vita della popolazione anziana. L'esame cutaneo totale del corpo, lo screening primario meccanismo per il melanoma, controlla individualmente ogni lesione cutanea pigmentata alla ricerca dei segni tipici del melanoma. Questo può essere una tecnica che richiede molto tempo per i pazienti con sindrome della mola atipica o con un gran numero di nevi. iToBoS mira a sviluppare una piattaforma diagnostica AI per la diagnosi precoce del melanoma. La piattaforma include un nuovo totale body scanner e uno strumento di diagnostica assistita da computer (CAD) per integrare varie fonti di dati come cartelle cliniche, dati genomici e imaging in vivo. Questo approccio porterà a una diagnosi precoce del melanoma altamente personalizzata per il paziente. Il progetto svilupperà e convaliderà uno strumento di assistente cognitivo basato sull'intelligenza artificiale per potenziare gli operatori sanitari, offrendo un rischio valutazione per ogni neo. Oltre a integrare tutte le informazioni disponibili sul paziente per personalizzare la diagnosi, lo farà fornire metodi per visualizzare, spiegare e interpretare i modelli di IA, superando così la natura di “scatola nera” degli attuali modelli AI abilitati sistemi CAD e fornire ai dermatologi informazioni preziose per la loro pratica clinica. Il nuovo scanner total body sarà basato su un prototipo esistente sviluppato da 3 partner del progetto, ma potenziato telecamere ad alta risoluzione dotate di lenti liquide. Queste nuove lenti, basate su due fluidi immiscibili diversi indice di rifrazione, consentirà di ottenere una qualità dell'immagine senza precedenti di tutto il corpo. L'integrazione di tali immagini con tutti i dati disponibili dei pazienti utilizzando l'apprendimento automatico porteranno a un nuovo strumento diagnostico dermoscopico che fornisce informazioni tempestive, affidabili e diagnostica altamente personalizzata per un giudizio ottimale nella pratica clinica.

Melanoma is one of the most aggressive cancers that can be discovered at an early stage, and it is responsible for 60% of lethal skin neoplasia. Its incidence has been increasing in white population and could become a public health challenge because of an increase in life expectancy of the elderly population. Total body skin examination, the primary screening mechanism for melanoma, checks each pigmented skin lesion individually in search of typical melanoma signs. This can be a very time consuming technique for patients with atypical mole syndrome or a large number of naevi. iToBoS aims at developing an AI diagnostic platform for early detection of melanoma. The platform includes a novel total body scanner and a Computer Aided Diagnostics (CAD) tool to integrate various data sources such as medical records, genomics data and in vivo imaging. This approach will lead to a highly patient-tailored, early diagnosis of melanoma. The project will develop and validate an AI cognitive assistant tool to empower healthcare practitioners, offering a risk assessment for every mole. Beyond integrating all available information about the patient to personalise the diagnostic, it will provide methods for visualising, explaining and interpreting AI models, thus overcoming the “black box” nature of current AIenabled CAD systems, and providing dermatologists with valuable information for their clinical practice. The new total body scanner will be based on an existing prototype developed by 3 of the project partners, but powered with high-resolution cameras equipped with liquid lenses. These novel lenses, based on two immiscible fluids of different refractive index, will allow achieving unprecedented image quality of the whole body. The integration of such images with all available patient data using machine learning will lead to a new dermoscopic diagnostic tool providing prompt, reliable and highly personalised diagnostics for optimal judgement in clinical practice.