fbpx Il lato buono del deepfake | Il lato buono del deepfake
Il lato buono del deepfake

Il lato buono del deepfake

Le reti generative avversarie, ovvero gli algoritmi utilizzati per il cosiddetto “deepfake” (l’alterazione profonda ma incredibilmente realistica dei materiali audiovisivi), potrebbero trovare impiego in ambito medico, e in particolare nella diagnosi del cancro. Grazie alla loro capacità di sintetizzare immagini altamente realistiche, gli algoritmi di deep-learning sono infatti eccellenti per il “pattern matching”, l’individuazione di elementi ricorrenti all’interno di un complesso di dati, e potrebbero dunque essere programmati per rilevare diversi tipi di cancro a partire da una tomografia differenziata, una risonanza magnetica o addirittura una semplice radiografia. 

La proposta di applicare le reti generative avversarie in ambito diagnostico è stata avanzata da alcuni ricercatori della Cornell University, che contano di addestrare la tecnologia facendo ricorso ai pochi database disponibili, per via delle normative sulla privacy a tutela dei dati sanitari sensibili. C'è però anche un’altra sfida: le reti generative avversarie devono allenarsi su immagini ad alta risoluzione per produrre previsioni accurate, ma la sintesi di immagini ad alta risoluzione, specialmente in 3D, richiede molta potenza computazionale. Ciò significa che sono necessari hardware speciali e particolarmente costosi, il che rende l’impiego della tecnologia su vasta scala negli ospedali ancora largamente impraticabile.

Un gruppo di ricerca dell'Istituto di informatica medica all'Università di Lubecca, però, ha proposto di suddividere in più fasi l’iter diagnostico delle reti generative avversarie: queste prima ​​generano l'intera immagine a bassa risoluzione, poi passano ai dettagli in alta risoluzione, un pezzo alla volta. Secondo i ricercatori di Lubecca, questo metodo permetterebbe di ottenere immagini in 2D e 3D realistiche e ad alta risoluzione, anche con risorse computazionali ridotte.