Reply e Istituto Europeo di Oncologia avviano una collaborazione per sviluppare Large Language Model verticali destinati all’oncologia, con l’obiettivo di portare la Generative AI dentro contesti clinici ad alta complessità. Il progetto punta a costruire modelli linguistici specializzati, addestrati su conoscenza, dati e competenze dell’Istituto, per supportare in prospettiva attività legate a prevenzione, diagnosi e trattamento dei tumori.
L’iniziativa mette insieme due competenze complementari. Da un lato c’è l’esperienza di Reply nella specializzazione di modelli generativi di frontiera basati su conoscenza enterprise. Dall’altro ci sono il patrimonio informativo, le competenze cliniche e l’esperienza oncologica di IEO, centro di riferimento internazionale nella cura e nella ricerca sul cancro.
Il punto non è usare l’intelligenza artificiale generativa in modo generico, ma costruire modelli verticali, quindi più vicini ai bisogni concreti dell’organizzazione sanitaria e dei suoi professionisti. In ambito oncologico questa differenza è sostanziale: i dati sono complessi, eterogenei, sensibili e devono essere interpretati dentro percorsi clinici molto specifici.
Large Language Model verticali per l’oncologia, il primo lavoro sugli use case
La collaborazione è partita da una fase preliminare di analisi e priorizzazione degli use case. I team clinici e i Sistemi Informativi di IEO stanno lavorando con un team multidisciplinare di Reply, con competenze nel settore healthcare e nella specializzazione di LLM, per individuare i casi d’uso più rilevanti e tecnicamente sostenibili.
Il primo obiettivo è mappare il patrimonio informativo disponibile e capire quali dataset possano essere più adatti all’addestramento dei modelli. È un passaggio cruciale, perché in sanità il valore dell’AI dipende meno dalla disponibilità di un modello potente in astratto e più dalla qualità, dalla coerenza e dalla governabilità dei dati su cui quel modello viene costruito.
I primi ambiti di confronto sono senologia, urologia e prevenzione. In queste aree vengono analizzati referti clinici, immagini diagnostiche, dati strutturati e altre informazioni disponibili, valutandone tipologia, volume, qualità e accessibilità. Da questa attività dipenderà la definizione dei dataset e, di conseguenza, l’orientamento delle successive fasi di sviluppo.
Generative AI in sanità, dai dati clinici ai modelli specializzati
La logica del progetto è quella di costruire Large Language Model verticali capaci di operare su contesti oncologici selezionati, evitando un approccio indifferenziato all’AI generativa. In prospettiva, i modelli dovranno essere addestrati sui casi d’uso individuati e poi collegati allo sviluppo di soluzioni utilizzabili in ambito clinico.
La collaborazione tra Reply e IEO si inserisce in un passaggio più ampio della sanità digitale: la transizione da strumenti di AI sperimentali o generalisti a sistemi costruiti sulla conoscenza reale delle singole organizzazioni. Nel caso di un istituto oncologico, questo significa valorizzare dati clinici, scientifici e diagnostici dentro un processo controllato, orientato a migliorare tempi, qualità e personalizzazione dei percorsi.
L’obiettivo dichiarato non è sostituire il lavoro clinico, ma fornire strumenti in grado di aiutare i professionisti a leggere meglio la complessità del cancro, accelerare alcune attività di analisi e supportare decisioni più informate. È un terreno delicato, perché richiede controllo sui dati, chiarezza sugli use case, validazione e integrazione nei processi esistenti.
Reply Model Factory come piattaforma per modelli AI fondati sulla conoscenza
Il progetto con IEO rientra tra le prime iniziative realizzate nell’ambito di Reply Model Factory, la piattaforma industriale di Reply per la costruzione di modelli generativi di frontiera basati sulla conoscenza enterprise. La piattaforma è pensata per alimentare sistemi e agenti AI coerenti con il contesto operativo di ciascuna organizzazione.
Nel caso della sanità, questo approccio assume un peso particolare. Definizione degli use case, qualificazione delle sorgenti dati, preparazione dei dataset e addestramento del modello non sono passaggi separati, ma parti di un processo integrato. La finalità è garantire controllo su dati, processi e risultati, evitando che la Generative AI venga introdotta come componente esterna non governata.
Per Reply, la collaborazione con IEO rappresenta quindi un’applicazione concreta della propria strategia sui modelli verticali. Per IEO, invece, il progetto si collega a una strategia data-driven già orientata allo sviluppo di algoritmi di intelligenza artificiale per accelerare diagnosi ed efficienza dei percorsi terapeutici.
AI e oncologia, il valore dei modelli costruiti sui dati dell’organizzazione
Il valore della Generative AI in oncologia dipenderà sempre più dalla capacità di costruire modelli che conoscano il contesto in cui devono operare. I dati clinici, le immagini diagnostiche, i referti e le informazioni strutturate non sono elementi neutri: acquistano significato dentro percorsi di cura, protocolli, specializzazioni e pratiche cliniche.
Per questo, la verticalizzazione dei modelli è uno degli elementi più rilevanti del progetto. Un Large Language Model addestrato e specializzato su specifici ambiti oncologici può diventare una componente a supporto di attività complesse, purché venga sviluppato con criteri rigorosi e inserito in una cornice di controllo clinico e tecnologico.
“Allo IEO, l’intelligenza artificiale non è soltanto una tecnologia, ma un valido alleato della medicina: uno strumento che accelera ricerca, diagnosi e cura, aiutandoci a leggere la complessità del cancro attraverso l’analisi di grandi quantità di dati clinici e scientifici, per rendere più rapide le decisioni, più personalizzate le terapie e aprire nuove possibilità di cura per i pazienti”, ha dichiarato Annarosa Farina, Direttore dei Sistemi Informativi del Gruppo IEO Monzino.
La prospettiva è chiara: usare l’AI per rendere più accessibile e utilizzabile la conoscenza distribuita nei sistemi informativi clinici, senza perdere il controllo del contesto sanitario in cui quella conoscenza deve essere applicata.
Reply e IEO puntano su AI clinica, controllo dei dati e applicazioni concrete
La collaborazione tra Reply e IEO mostra una direzione ormai evidente nel mercato dell’intelligenza artificiale applicata: il passaggio dai modelli generalisti ai modelli costruiti sui domini specifici. In sanità, e ancora di più in oncologia, questo passaggio è obbligato. Non basta introdurre un LLM. Serve costruirlo sui dati corretti, per obiettivi chiari e con una governance adeguata.
“Con la progressiva integrazione della Generative AI nei processi decisionali e operativi, il vero valore deriverà da modelli costruiti sulla conoscenza, sui dati e sull’expertise propri di ciascuna organizzazione. La collaborazione con IEO nasce proprio per mettere a sistema questi elementi e creare le condizioni per l’addestramento di Large Language Model verticali in grado di supportare scenari applicativi concreti”, ha dichiarato Carlo Malgieri, Partner di Laife Reply.
Il programma proseguirà con l’addestramento dei Large Language Model sui casi d’uso selezionati, seguito dallo sviluppo e dalla messa in esercizio delle relative soluzioni in ambito clinico. È qui che si misurerà il valore reale dell’iniziativa: non nella promessa astratta della Generative AI, ma nella capacità di trasformare dati, competenze e conoscenza oncologica in strumenti utili per ricerca, diagnosi, prevenzione e cura.
