> FocusUnimore > numero 45 – marzo 2024
ALS diagnosis and quantum technologies: The PRIN PNRR of the FIM Department
The two PRIN 2022 projects with PI of Unimore, funded within the framework of the National Recovery and Resilience Plan, pertaining to the Department of Physical, Computer and Mathematical Sciences deal with innovative ALS diagnosis techniques and quantum technologies. The main aim of the PRIN 2022 PNRR project ‘Advanced optimisation METhods for automated central veIn Sign detection in multiple sclerosis from magneTic resonAnce imaging (AMETISTA)’, coordinated by Prof. Federica Porta, is to develop automatic software for the detection of CVS, a marker that signals multiple sclerosis lesions. The aim of the joint programme coordinated by Dr Marco Govoni, on the other hand, is to study property-function relationships useful for designing and controlling spin defects for solid-state quantum information science. Quantum technologies have the potential to provide new approaches for communication, sensing and information science. Central to research on quantum technologies is the development of quantum states that can be manipulated to perform tasks that cannot be emulated by ordinary counterparts, thanks to quantum processes that have no classical analogues.
I due progetti PRIN 2022 con PI di Unimore, finanziati nell’ambito del Piano Nazionale di Ripresa e Resilienza, afferenti al Dipartimento di Scienze Fisiche, Informatiche, Matematiche trattano tematiche che spaziano da tecniche innovative di diagnosi della sclerosi multipla alle tecnologie quantistiche.
La sclerosi multipla è una malattia cronica che colpisce il sistema nervoso centrale, causando sintomi clinici eterogenei come sintomi motori, cerebellari e sensoriali. Negli ultimi due decenni, la risonanza magnetica è diventata uno strumento indispensabile per la diagnosi della sclerosi multipla perché permette di ottenere immagini molto dettagliate del sistema nervoso centrale. Tuttavia, i criteri attuali utilizzati per diagnosticare la sclerosi multipla tramite la risonanza magnetica presentano delle limitazioni in quanto la loro specificità è imperfetta. Questo rende relativamente comune la diagnosi errata della sclerosi multipla, con rilevanti costi sanitari e socioeconomici.
Per distinguere le lesioni da sclerosi multipla da anomalie della sostanza bianca derivanti da altre malattie, è stato recentemente proposto di utilizzare come strumento diagnostico l’identificazione di una vena che attraversa il centro di una lesione e che può essere rilevata attraverso la risonanza magnetica. Questo marcatore è denominato segno della vena centrale (CVS). Tuttavia, l’applicazione clinica del CVS come biomarcatore è limitata sia dalle disparità nell’interpretazione del CVS tra gli operatori, sia dal tempo necessario per determinare manualmente la presenza del CVS per ogni singola lesione in una scansione completa di risonanza magnetica di un paziente.
Lo scopo principale del progetto PRIN 2022 PNRR “Advanced optimization METhods for automated central veIn Sign detection in multiple sclerosis from magneTic resonAnce imaging (AMETISTA)”, coordinato dalla Dott.ssa Federica Porta, è quello di sviluppare un software automatico per la rilevazione del CVS, facile da utilizzare nella pratica clinica e sostenuto da un’analisi teorica solida dei metodi numerici che intervengono nella sua risoluzione matematica.
Più nel dettaglio, a partire dalle acquisizioni tramite risonanza magnetica, la valutazione del CVS richiede una serie di processi di imaging che possono essere formalizzati matematicamente come problemi di ottimizzazione. Tra questi processi rientrano la segmentazione delle lesioni cerebrali, la registrazione delle immagini acquisite a diversi campi magnetici, la rimozione di rumore e artefatti dai dati e la classificazione delle lesioni in base alla presenza o all’assenza del CVS.
Il progetto AMETISTA si propone quindi di studiare algoritmi di ottimizzazione numerica ad hoc per affrontare i problemi sopra citati e di integrarli in una unica procedura automatizzata che permetta una rapida e automatica identificazione del CVS nelle immagini cerebrali acquisite attraverso risonanza magnetica. Le recenti tecniche di intelligenza artificiale, in particolare di machine learning e deep learning non supervisionato, rappresentano uno strumento chiave per la realizzazione dello scopo del progetto. Questi approcci offrono infatti il vantaggio di non richiedere un dataset di addestramento, caratteristica preziosa nelle applicazioni mediche, dove è raro avere a disposizione dataset grandi e di alta qualità.
La rilevazione automatizzata del CVS potrà contribuire a promuovere l’inclusione del CVS nei criteri diagnostici della sclerosi multipla, a facilitarne la sua implementazione come marcatore nella pratica clinica con significativi vantaggi sia per i medici che per i pazienti.
L’unità di ricerca di Unimore è composta dalla dott.ssa Federica Porta, dal dott. Simone Rebegoldi, dal dott. Andrea Sebastiani e dal Prof. Luca Zanni. Per garantirne il successo, il progetto sarà sviluppato con il costante supporto dei matematici e dei medici appartenenti all’unità dell’Università di Firenze. In particolare il software realizzato all’interno del progetto sarà convalidato su un dataset clinico di risonanze magnetiche cerebrali di pazienti in follow-up clinico presso il Dipartimento di Neurologia 2 dell’Ospedale Universitario Careggi di Firenze.
L’obiettivo del programma coordinato dal Prof. Marco Govoni, è invece studiare le relazioni proprietà-funzione utili per progettare e controllare i difetti di spin per le tecnologie quantistiche allo stato solido. Il piano di ricerca combina l’esperienza in fisica computazionale della materia condensata del Prof. Govoni dell’Università di Modena e Reggio Emilia e la caratterizzazione sperimentale di difetti nei materiali del Prof. Forneris dell’Università di Torino.
Le tecnologie quantistiche hanno il potenziale per fornire nuovi percorsi per la comunicazione, il rilevamento e l’informatica. Centrale per la ricerca sulle tecnologie quantistiche è lo sviluppo di stati quantistici che possono essere manipolati per eseguire compiti che non possono essere emulati dalle controparti ordinarie, grazie a processi quantistici che non hanno analoghi classici.
Le unità di informazione quantistica – i qubit – hanno il potenziale per eseguire algoritmi quantistici che non sono trattabili dai computer classici o comunicazioni sicure basate sul teorema di non clonazione della meccanica quantistica.
“La ricerca proposta sfrutterà risorse computazionali e sperimentali in diverse direzioni precedentemente inesplorate: proponiamo di studiare i processi di spin-strain e spin-fonone per migliorare l’interfaccia opto-meccanica dei difetti con spin per la comunicazione e il rilevamento quantistico. L’effetto della deformazione sulle proprietà spin-optoelettroniche dei difetti puntiformi sarà quantificato teoricamente utilizzando simulazioni da principi primi basate sulla teoria del funzionale della densità a cui verranno incorporati effetti a molti-corpi in grado di descrivere le eccitazioni nel materiale. I risultati delle simulazioni verranno confrontati con misurazioni sperimentali che utilizzano la microscopia confocale. Studieremo i centri di colore nei semiconduttori per il rilevamento e la comunicazione, identificando difetti stabili in materiali tecnologicamente rilevanti con lunghi tempi di coerenza di spin. Ci concentreremo sui processi indotti dalla deformazione strutturale come mezzo per adattare l’interfaccia ottica del difetto con spin” – commenta Marco Govoni.
Il programma utilizzerà il supercomputer Leonardo al Cineca e software scientifico d’avanguardia, abilitato all’uso della GPU grazie a uno sviluppo congiunto con gli Stati Uniti. Al progetto parteciperanno anche studenti di dottorato e postdocs, che avranno l’opportunità di affinare le proprie competenze e contribuire allo sviluppo delle tecnologie quantistiche, un campo in rapido avanzamento.
