HealthTech & AI · Progetto di ricerca e innovazione
Infrastruttura decentralizzataARISE
Una piattaforma per l’elaborazione di dati clinici multicentrici, progettata per produrre modelli predittivi sicuri, affidabili e ad alte prestazioni attraverso un apprendimento collaborativo distribuito.
AI-based medical swaRm learnIng prototype for SEcurity and analysis optimization on multicentric clinical data.
Open-sourcePrivacy-by-designSwarm LearningBlockchain privataAI & Machine Learning
PartenariatoHEAL Italia · Spoke 2 Intelligent Health
ProgrammaPNRR · Missione 4, Componente 2
RisorseUnione Europea · NextGenerationEU
PRIVACY
BY DESIGN
BY DESIGN
Dati distribuiti, conoscenza condivisa
Trasformare dati clinici dispersi senza spostarli dai luoghi in cui nascono
La visualizzazione racconta il principio centrale di ARISE: ogni nodo elabora localmente, condivide soltanto ciò che serve e contribuisce a migliorare l’intelligenza complessiva della rete.
Dati localiRestano nel nodo di origine
Scambio selettivoCircolano gli aggiornamenti utili
Modello condivisoLa rete migliora collettivamente
Il punto di partenza
Un tema semplice da dire. Molto complesso da realizzare.
“Nel progetto ARISE abbiamo lavorato per trasformare dati clinici dispersi in conoscenza utile, senza spostarli dai luoghi in cui nascono.”
Ogni punto della rete elabora i dati disponibili localmente, condivide soltanto le informazioni necessarie al processo collaborativo e contribuisce allo sviluppo di strumenti più utili, sicuri e vicini alla pratica clinica quotidiana.
Dati reali
Non dataset isolati, ma informazioni nate nei contesti clinici
ARISE valorizza i dati generati nei diversi nodi della rete, preservandone il contesto e mantenendoli presso le strutture che li producono.
Metriche clinicheMiglioramento dell’accuratezza
TrainingRiduzione significativa dei tempi
InferenzaRisposte più rapide
Stakeholders & Credits
PNRR, Unione Europea e ricerca collaborativa
ARISE nasce nello Spoke 2 – Intelligent Health di HEAL Italia, nell’ambito del PNRR e con risorse dell’Unione Europea – NextGenerationEU.
PartenariatoHEAL Italia · Spoke 2
Soggetto attuatoreVET S.r.l.
Codice CUPJ33C22002920006
Swarm Learning continuo
La rete apprende, condivide e riparte senza interrompersi
La visualizzazione procede automaticamente: i nodi elaborano localmente, preparano gli aggiornamenti, li validano nella rete e ricevono una nuova intelligenza condivisa.
Flusso ARISE · collaborazione multicentrica
Ciclo continuo attivo
Rete distribuita in esecuzione
Elaborazione locale
Fase 01Apprendimento nei nodi
Fase 02Preparazione degli aggiornamenti
Fase 03Validazione e coordinamento
Fase 04Intelligenza condivisa
La differenza architetturale
Non cambia soltanto dove si allena il modello. Cambia ciò che attraversa la rete.
Due flussi continui mostrano il passaggio da un sistema che trasferisce i dataset a un’architettura che distribuisce l’apprendimento e mantiene i dati nei nodi di origine.
Le strutture trasferiscono copie dei dati verso una piattaforma comune che concentra archiviazione e addestramento.
Il modello raggiunge i nodi, apprende localmente e condivide soltanto gli aggiornamenti necessari alla collaborazione.
Flusso A
Si muovono i dataset
Le informazioni cliniche cambiano infrastruttura
Ogni centro prepara, esporta e trasferisce i dati verso un ambiente centralizzato prima che l’addestramento possa iniziare.
Oggetto che attraversa la rete: copie dei dataset clinici provenienti dai diversi centri.
Che cosa si muove?
Flusso B
I dati restano locali
La conoscenza si costruisce nei nodi
Un modello condiviso raggiunge i centri. Ogni nodo apprende localmente e restituisce aggiornamenti coordinati, non i dati originari.
Oggetto che attraversa la rete: modello, parametri e aggiornamenti prodotti dall’apprendimento locale.
Dalla ricerca al confronto tecnico
Porta il tuo caso al team VET
La richiesta raccoglie le informazioni iniziali necessarie per comprendere lo scenario e organizzare un primo confronto.
1
Descrivi i nodiStrutture, sedi o organizzazioni che dovrebbero collaborare.
2
Definisci il modelloPredizione, classificazione, analisi di rischio o altro obiettivo.
3
Confronto con VETValutazione preliminare dell’architettura e dei successivi approfondimenti.
Ambito ARISE.
AI distribuita, dati clinici multicentrici, privacy-by-design e Swarm Learning.
AI distribuita, dati clinici multicentrici, privacy-by-design e Swarm Learning.
Modulo informazioni