Soluzioni innovative per la diagnosi clinica e la gestione dell’energia rinnovabile
Due progetti di intelligenza artificiale sviluppati dal gruppo di ricerca coordinato dal professor Antonio Rizzo, direttore dell’Interaction Design Lab dell’Università di Siena, sono stati selezionati per il volume “Umanesimo Tecnologico. Le eccellenze italiane nell’Intelligenza Artificiale”, promosso dal Ministero degli Affari Esteri e della Cooperazione Internazionale (MAECI) e curato dall’Associazione Italiana per la Ricerca Industriale (AIRI).
La pubblicazione raccoglie 84 casi applicativi in 11 settori strategici ed è stata presentata il 30 settembre a L’Aquila, durante il Prix Italia 2026 della Rai, dedicato al tema “Play Human”. Il volume sarà diffuso attraverso la rete diplomatica e culturale italiana per valorizzare all’estero le competenze scientifiche e industriali del Paese.
Il primo progetto, “DiDi - Dialogical Diagnostic”, è una piattaforma di intelligenza aumentata clinica sviluppata con il Centro Chirurgico Toscano di Arezzo nell’ambito del progetto HEART, cofinanziato dal PR FESR Toscana 2021-2027. Il sistema affronta il cosiddetto problema dell’acquiescenza, cioè la tendenza dei modelli linguistici generici a confermare le ipotesi dei medici senza verificarle criticamente, rafforzando possibili errori di ragionamento come l’effetto di ancoraggio e la chiusura diagnostica prematura.
Per contrastare questo rischio è stato elaborato il Dialogic Reasoning Framework (DRF), che assegna all’IA diversi ruoli di supporto, tra cui guida socratica e interlocutore critico. L’obiettivo è aiutare il medico a esaminare e confrontare le proprie ipotesi, mantenendo la responsabilità della decisione finale. Il modello, descritto nel 2026 sulla rivista Applied Sciences, è stato applicato al prototipo DiDi e sperimentato su casi clinici complessi.
Il secondo progetto, realizzato con Sunlink Srl e sostenuto dal progetto SUMMA, finanziato dal Fondo Repubblica Digitale e da Google, riguarda la gestione intelligente delle Comunità Energetiche Rinnovabili (CER). Utilizza il Deep Reinforcement Learning per coordinare produzione fotovoltaica, batterie di accumulo e consumi, aumentando l’utilizzo locale dell’energia rinnovabile.
La difficoltà principale deriva dalla variabilità della produzione solare e della domanda energetica, che richiede decisioni continue su quando accumulare, utilizzare o condividere l’energia. La soluzione, illustrata sulla rivista Energies, impiega un agente Soft Actor-Critic (SAC) che integra durante l’addestramento strategie di ottimizzazione basate sulla programmazione lineare intera mista (MILP), combinando adattabilità e precisione nella gestione delle risorse.
Secondo il professor Rizzo, entrambi i progetti condividono il principio dell’intelligenza aumentata: l’IA non deve sostituire il giudizio umano, ma rafforzarlo. Le soluzioni sono quindi progettate per essere trasferibili ad altre specialità mediche, comunità energetiche e contesti produttivi.
