UniRC, la ricerca del prof. Ferrara su 'Nature-Scientific Reports'

L'università reggina al centro di un network internazionale su una ricerca riguardante gli effetti della pandemia globale

Il Progetto di Ricerca internazionale “Dynamics of COVID-19”, promosso e coordinato dal Prof. Massimiliano Ferrara, avviato nel mese di settembre 2020, sotto l’egida dell’Organizzazione Mondiale della Sanità, promosso dal Decisions_Lab dell’Università Mediterranea e sostenuto dall’Università Bocconi – ICRIOS e, avente come missione l’elaborazione di modelli matematici predittivi circa la diffusione del COVID-19 nei diversi Continenti e nuovi strumenti di diagnosi attraverso l’Intelligenza Artificiale e il Machine Learning, ha ottenuto un riconoscimento scientifico importante: è stato accettato per la pubblicazione un lavoro dalla prestigiosa rivista Nature-Scientific Reports.

La pubblicazione dal titolo: "GraphCovidNet: A Graph Neural Network based Model for Detecting COVID-19 from CT scans and X-Rays of Chest”, vede come Autori oltre che il Prof. Ferrara nella qualità di Coordinatore della Ricerca anche i Dr. Pritam Saha, Debadyuti Mukherjee, Pawan Kumar Singh, Ali Ahmadian e Ram Sarkar.

La ricerca ha unito gli sforzi e le competenze dei menzionati ricercatori facenti parte delle Faculty dei seguenti Dipartimenti universitari: Department of Electrical Engineering, Department of Computer Science and Engineering, Department of Information Technology, Jadavpur University, Kolkata India; Institute of IR 4.0, The National University of Malaysia, Selangor, Malaysia oltre che naturalmente l’ICRIOS - Università Bocconi e il Decisions_LAB dell’Università Mediterranea grazie alla presenza del Prof. Massimiliano Ferrara.

Di fatto, un network internazionale che unisce due Continenti attraverso una ricerca riguardante gli effetti di questa pandemia globale.

Con questo studio si introduce una nuova rete isomorfa “a grafo. Il nuovo modello “GraphCovidNet” (questo il nome del brevetto che gli Autori hanno presentato negli USA) valuta la radiografia del torace sulla base di quattro set di dati standard di cui si dispone, tra cui: set di dati SARS-COV-2 Ct-Scan, set di dati COVID-CT, combinazione di set di dati covid-radiografia del torace, immagini radiografiche del torace (Polmonite) dataset e CMSC-678-ML-Project dataset e, infine, in un confronto con queste basi di dati da cui si rileva il COVID-19 e soprattutto le sue tre varianti principali.

Il modello mostra un'incredibile precisione del 99% per tutti i set di dati e la sua capacità di previsione diventa precisa al 100% per il problema della classificazione binaria del rilevamento delle scansioni COVID-19.

UniRC Ferrara Nature

Conclude il Prof. Massimiliano Ferrara: “Io e il gruppo di ricerca che ho il piacere e l’onore di coordinare, soprattutto nelle sue Componenti autoctone (Bruno Pansera, Tiziana Ciano, Mariangela Gangemi, Stefania Merenda, Valentina Mallamaci e Pasquale Fotia) siamo soddisfatti per l’importante risultato raggiunto.

Il nostro obiettivo è programmare la sperimentazione dell’algoritmo e del processo machine learning presso il nostro Grande Ospedale Metropolitano (GOM) con cui è già in atto con il DI.Gi.ES di cui sono Direttore sino al prossimo 30 settembre p.v., una convenzione collaborativa su ricerche legate alla pandemia e all’economia comportamentale.

Le forze positive e pro-attive del nostro territorio devono fare quadrato e essere poste a fattor comune per sedare gli impulsi negativi, la tendenza alla negatività e l’endemica sindrome di inferiorità culturale tanto diffusa da tradursi spesso in comportamenti non inclusivi verso le Eccellenze”.