MAP - Magazine Alumni Politecnico di Milano #8 - AUTUNNO 2020 - EDIZIONE SPECIALE COVID-19

3 RICERCA
#MachineLearing #GameTheory #VirusTracking
#ArtificialIntelligence
L’INTELLIGENZA ARTIFICIALE
AL SERVIZIO DEL TRACCIAMENTO
DEL CONTAGIO
Un gruppo di ricerca del Politecnico di Milano, guidato dal prof.
Gatti, sta lavorando a un nuovo algoritmo che potrebbe essere
determinante nel ricostruire le catene di contagio
"A privacy-preserving tests
optimization algorithm for
epidemics containment"
— arXiv | Cornell Univeristy
NICOLA GATTI
Dipartimento di Elettronica,
Informazione e Bioingegneria
Alumnus Ingegneria
Biomedica
L’intelligenza artificiale è uno
strumento chiave per ricostruire
le catene di contagio, ma è un
campo di ricerca ancora molto
inesplorato. Nicola Gatti (co-direttore
dell’Osservatorio sull’intelligenza
artificiale del Politecnico di Milano), in
un’intervista rilasciata al Sole 24Ore,
ha evidenziato due problemi. Il primo,
legato alla semantica del dato: diversi
metodi di raccolta delle informazioni
inquinano la qualità dell’informazione
e rendono fallaci i tentativi di ricerca
di pattern. Il secondo motivo riguarda
invece la dimensione quantitativa
dei dati. Quella in corso è la prima
pandemia di cui siamo in grado di
raccogliere sistematicamente i dati in
un arco di tempo significativo, senza
avere ancora strumenti collaudati
per la loro interpretazione. Una delle
necessità più urgenti è imparare a
ricostruire le catene di contagio per
identificare tempestivamente gli infetti
asintomatici o pauci-sintomatici. Le
app attualmente in circolazione non
riescono ad aggirare il problema della
privacy e, per tutelarla (giustamente),
rinunciano a una parte della loro
efficacia nel tracciare il contagio:
tutte le informazioni, ad esempio,
devono essere immesse dagli utenti
spontaneamente e in modo omogeneo.
Il gruppo di ricerca guidato da Gatti
sta sviluppando un nuovo algoritmo
decentralizzato che sarebbe in grado
di raccogliere i dati geolocalizzati dai
dispositivi mobili, in modo automatico,
omogeneo e totalmente anonimo
ma riconducibile univocamente a un
utente. «Il sistema identificherebbe
le utenze che hanno una maggiore
probabilità di aver contratto il virus,
ricostruendo la catena a partire dalla
diagnosi di un paziente zero», spiega
Gatti, «si tratta, in sostanza, di un
modello epidemiologico in microscala,
che tratta un gruppo di persone,
identificate dal fatto di avere avuto
contatti con un paziente diagnosticato
COVID-19, come una popolazione». I
risultati preliminari di questo metodo
indicano la possibilità di limitare il
contagio in una misura compresa
tra il 20 e il 50%. Lo studio è stato
pubblicato in preprint sul sito della
Cornell University di New York, con
questo titolo "A privacy-preserving
tests optimization algorithm for
epidemics containment"
52