Ricerca & Sviluppo


Nel piano strategico di innovazione della Project Consulting, i settori chiave su cui la società intende proporsi si basano su tecnologie di Data Mining e Machine Learning, con un focus specifico sui settori delle scienze della vita, della sicurezza e del monitoraggio strutturale.
Nel 2014 la società ha iniziato a investire nel settore dell’Intelligenza Artificiale ampliando considerevolmente la propria strutttura di Ricerca & Sviluppo, che già dal 2010 collaborava con diversi enti di ricerca nell’ambito di progetti finanziati. PJC ha sviluppato competenze specifiche sulle principali tecnologie di Machine Learning esistenti (sia proprietarie che open source), ha effettuato analisi comparative tra l’approccio semantico e quello bayesiano e ha analizzato criteri e metodi con cui questo innovativo campo tecnologico può apportare valore al settore della ricerca scientifica.
Come risultato di questo investimento, l’attuale portfolio di soluzioni PJC comprende le seguenti soluzioni.

AIVA (Artificial Intelligence for Video Analysis) include le migliori caratteristiche di base degli algoritmi di Intelligenza Artificiale per la videoanalisi. La gestione composita di tali capacità, pilotata da una grande padronanza delle tecniche di Data Science, ci consente di costruire capacità riconoscimento di situazioni complesse, di azioni, di mutue correlazione tra oggetti e persone, di flussi.

 

SPHERA (Systems Prediction and Health Rate Analisys) è la soluzione di Intelligenza Artificiale proposta da Project Consulting per la manutenzione predittiva e l’ottimizzazione delle risorse hardware dei data center. SPHERA utilizza i sistemi di monitoraggio corrente per raccogliere i dati provenienti da agent e sensori collocati nel data center.


AIDA-SHM (Arificial Intelligence Data Analyser – Structural Health Monitoring) – L’approccio data science è alla base della soluzione di IoT AIDA-SHM. Dati multimodali e multimediali provenienti da una regione di interesse vengono raccolti, integrati, analizzati con le tecniche di Intelligenza Artificiale per il monitoraggio, l’interpretazione e la previsione continua.

 

PAMINA (Piattaforma per l’Analisi Multimediale Integrata nelle Neuroscienze Applicate) è la soluzione per raccogliere, integrare, elaborare, gestire e presentare dati e metadati generati in un moderno laboratorio di neuroimmagini secondo un modello di interazione innovativo, che garantisce flessibilità organizzativa, offrendo in un’unica soluzione l’uso della tecnologia nel modo più produttivo.



Progetti di Ricerca in corso

Attualmente il team di Ricerca & sviluppo è impegnato nei progetti di ricerca scientifica indicati nel seguito, in collaborazione con enti di ricerca e Dipartimenti Universitari.


ECxAI – Edge Computing for Artificial Intelligence

L’Edge Computing è un’architettura IT distribuita e aperta con potenza di elaborazione decentralizzata, predisposta per le tecnologie di mobile computing e Internet of Things (IoT). Nell’Edge Computing i dati (o parte di essi) sono elaborati dal dispositivo stesso o da un computer o server locale, invece di essere trasmessi al data center. I benefici principali derivanti dall’utilizzo delle tecnologie di Edge Computing sono la riduzione della latenza di elaborazione, che permette risposte in tempo reale, e il risparmio di banda ottenuto mediante l’elaborazione efficiente di grandi volumi di dati in prossimità dell’origine, inviando al data center informazioni già elaborate e quindi di minori dimensioni. La possibilità di elaborare i dati localmente, senza trasferirli nel cloud pubblico, aggiunge inoltre un livello di sicurezza, molto utile nel caso di dati sensibili. Il progetto di ricerca applicata di PJC punta alla progettazione di architetture di Edge Computing che implementino algoritmi di Intelligenza artificiale atti a fornire informazioni in modalità real time ma con la potenza dell’elaborazione “centrale”.

 


AIDA-SHM – Artificial Intelligence Data Analyser – Structural Health Monitoring

AIDA-SHM è una soluzione software di intelligenza artificiale per monitorare l’integrità strutturale di ponti e viadotti, e in generale di tutte le infrastrutture in cemento armato. Gli elementi fortemente innovativi di AIDA-SHM sono: 1) utilizzo della tecnica dell’emissione acustica passiva; 2) analisi del segnale acustico e di tutti gli altri parametri attraverso un motore di apprendimento automatico (Intelligenza Artificiale – AI); 3) connessione dei sensori attraverso una rete IoT satellitare.

 

Augmented It Governance

“I primi utenti dell’IA che combinano una forte capacità digitale con strategie proattive hanno margini di profitto più elevati…” (McKinsey Global Institute). Il progetto di ricerca AUIGO sta sperimentando i modelli matematici più idonei all’applicazione delle tecniche di machine learning all’IT Governance, perchè il Top Management possa disporre non solo di cruscotti basati sull’AS IS, ma anche di viste prospettiche, in grado di rappresentare in modo dinamico gli scenari futuri.

 

CCI – Cancer Cell Investigation

Il progetto di ricerca CCI si occupa dell’analisi di immagini provenienti da microscopia di colture cellulari. L’obiettivo principale è quello di applicare le tecniche di Intelligenza Artificiale (in particolare algoritmi di deep learning) al fine di supportare il medico/biologo nella fase di diagnosi e di valutazione quantitativa di particolari condizioni patologiche. Il progetto è in stato avanzato ed è prossimo a produrre la release CCI 1.0 della soluzione PJC per la detection di cellule tumorali della cervice uterina, tramite analisi automatica di vetrini di pap-test. L’attività di ricerca è svolta in collaborazione con il Dipartimento di Medicina Sperimentale dell’Università Vanvitelli di Napoli (Prof.Giulia Ricci).


NBP-NeuroBrain Platform 

“Sviluppo e implementazione di una piattaforma collaborativa per metodi avanzati di neuroimaging”

Il progetto prevede la realizzazione di una piattaforma per analisi multimodale di neuroimmagini ottenute mediante MRI. La piattaforma includerà routine di processamento quantitativo di dati, quest’ultimo sarà svolto anche mediante l’utilizzo di tecniche di intelligenza artificiale. Verranno messi a disposizione dei ricercatori strumenti di supporto alla collaborazione multicentrica su tematiche riguardanti la caratterizzazione del danno microstrutturale e del degrado della funzione cerebrale, associabili a patologie neurologiche. Tali strumenti sono in prospettiva finalizzati allo sviluppo di approcci di medicina personalizzata. É prevista, inoltre, un’interfaccia utente estremamente user friendly che permetterà ai ricercatori di utilizzare agevolmente la piattaforma.

Il progetto è stato finanziato dalla Regione Lazio nell’ambito del bando “Progetti strategici”, con il grant A0320-2019-28189.

Partner di progetto: PJC, Sapienza Università di Roma – Dipartimento di Fisica, ISS, CREF.

Budget complessivo: € 379.831,63 € Finanziamento regionale: € 251.614,80


BIANCA

Il progetto di ricerca BIANCA (Breast Intelligent Analisys for CAncer) mira alla identificazione, validazione e messa a punto degli algoritmi di Machine Learning più efficaci applicati al breast cancer per la classificazione di tessuti biologici a partire da immagini mammografiche. Le masse dovute a malattie benigne della mammella e a tumori al seno presentano forme significativamente diverse sulle mammografie. In generale, i tumori maligni appaiono con contorni ruvidi, spicolati e complessi, mentre le masse benigne presentano contorni lisci, arrotondati od ovali. Inoltre, i tessuti del carcinoma mammario mostrano distorsioni architettoniche e anomalie nella tessitura del tessuto. L’analisi tramite algoritmi di intelligenza artificiale può essere utilizzata per eseguire la classificazione dei pattern di masse mammarie e tumori, cercando di trovare una possibile correlazione tra sintomi sentinella (ad esempio le microcalcificazioni) e parenchima, migliorando così l’accuratezza diagnostica. La ricerca, nata dalla collaborazione con il dipartimento di Scienze radiologiche, oncologiche e anatomo-patologiche della Università La Sapienza di Roma, recentemente ampliatasi con la collaborazione del DIETI dell’Università di Napoli Federico II, si basa sul lavoro di un team di esperti di data science, di analisti funzionali e di bioingegneria.


HPC platform for wearable applications

L‘obiettivo di questo progetto di ricerca è quello di sviluppare un dispositivo indossabile con le seguenti funzionalità:

  1. Sensing: il dispositivo deve essere in grado di raccogliere uno o più parametri fisiologici.
  2. Elaborazione dei dati: il dispositivo deve essere in grado di elaborare localmente i dati raccolti, anche nel caso di una grande quantità di dati costantemente aggiornati.
  3. Comunicazione wireless: il dispositivo deve essere in grado di trasmettere in modalità wireless le informazioni cliniche rilevanti estratte dai dati fisiologici.

L’attività di ricerca di PJC è quella afferente all’applicazione delle tecnologie di Intelligenza Artificiale relativamente al punto 2. Il progetto di ricerca è finanziato nell’ambito dei Eurolab4HPC TTP Proposal della Comunità Europea ed è svolto in collaborazione con il Dipartimento di Ingegneria e Innovazione dell’Università del Salento.



Progetti di Ricerca terminati

SHAPE

A NEW THEORETICAL FRAMEWORK OF THE MICROGRAVITY-CELL INTERACTION

Tra i progetti di ricerca terminati (2014-2018) di particolare rilievo è stato il progetto SHAPE, vincitore del bando dell’Agenzia Spaziale Italiana di biomedicina emesso nel 2012. Classificatasi al primo posto, PJC ha guidato in qualità di Prime Contractor il progetto “Shape – A NEW THEORETICAL FRAMEWORK OF THE MICROGRAVITY-CELL INTERACTION”. Questo progetto di ricerca, basato sul concetto di System Biology, mira a definire un modello teorico in grado di spiegare l’interazione tra il campo gravitazionale e gli organismi viventi.

Il progetto SHAPE si propone infatti di dare risposta ad una serie di quesiti rilevanti ai fini della esplorazione spaziale umana, finora non adeguatamente investigati. In particolare si affrontano i seguenti aspetti:

  • Definire il modello teorico capace di spiegare l’interazione tra campo gravitazionale ed organismi viventi. L’inquadramento teorico di questa relazione è non solo prerequisito per lo sviluppo della Biomedicina Spaziale e della Esobiologia, ma è suscettibile di produrre importanti ricadute sulla studio della Biologia e della Medicina, nella misura in cui permette di riconsiderare nei suoi fondamenti il ruolo sostenuto dalle physical constraints nel controllo dei processi e delle funzioni vitali dei sistemi viventi complessi.
  • Investigare in quale misura l’effetto indotto dalla microgravità sulle strutture viventi sia dose-dipendente e entro quali limiti temporali possa essere definito reversibile.
  • Perfezionare il modello sperimentale e la metodologia scientifica inerente lo studio della microgravità. In particolare, ci si propone di validare un nuovo protocollo sperimentale per lo studio degli effetti gravitazionali in 3D. Questo aspetto è di fondamentale importanza dato che il controllo e la determinazione fenotipica dell’evoluzione cellulare e tissutale dipendono non solo dalla cellula in sé, ma anche e soprattutto dalle interazioni con lo stroma e le strutture del micro-ambiente circostante. Questo cross-talk tra cellula e micro-ambiente in tre dimensioni non è finora mai stato investigato nelle specifiche condizioni rappresentate dalla microgravità.
  • Dati preliminari suggeriscono che la microgravità indebolisce (reduced stiffness) le interazioni tra cellule e substrato. Poiché tali interazioni sono largamente modulate dalla classe delle integrine (proteine che modulano la forma (“SHAPE”) della cellula e la ancorano allo stroma), e considerato che la loro integrità viene assicurata da una eterogenea classe di molecole (melatonina, procianidine, epigallocatechine etc..), proponiamo che, nel contesto delle contromisure tali sostanze vengono preliminarmente saggiate per valutare in quale misura possano contrastare gli effetti indotti dalla riduzione di gravità.

I partner di ricerca sono stati l’ISS (Istituto Nazionale della Sanità), l’INFN (Istituto Nazionale di Fisica Nucleare), l’Università di Chieti e Pescara, l’Università della Campania – Luigi Vanvitelli e l’Università di Tor Vergata.

 

 

 

error: Content is protected !!