Fondata da Daniele De Carli e Alberto Sudati, studenti del Politecnico di Milano, AlzhAI sviluppa strumenti di intelligenza artificiale per supportare i medici nell’identificazione precoce dell’Alzheimer. Il progetto è ancora in fase di validazione, ma racconta come ricerca universitaria, mentorship e programmi di incubazione possano trasformare un esperimento tra studenti in un possibile progetto imprenditoriale.
AlzhAI nasce come progetto di ricerca durante gli studi di laurea triennale dei due fondatori, Daniele De Carli e Alberto Sudati, 22 anni, studenti di Physics Engineering al Politecnico di Milano: Daniele si occupa di Fotonica e Tecnologie Quantistiche, mentre Alberto studia Mathematics and Physics for Quantum Engineering. Oltre al percorso di studi, i due studenti intuiscono presto il crescente peso che machine learning e deep learning avrebbero assunto negli anni successivi e decidono di approfondire autonomamente queste tecnologie, applicandole a un problema a cui sono legati anche per ragioni familiari: la malattia di Alzheimer.
Indice degli argomenti
I primi dataset per diagnosticare l’Alzheimer
I primi esperimenti vengono realizzati su un piccolo dataset sintetico. In seguito, l’accesso a un dataset di ricerca più ampio della University of Washington permette ai due studenti di lavorare su una base di dati più strutturata e di sviluppare ulteriormente il modello. Il passaggio verso una possibile iniziativa imprenditoriale avviene solo in un secondo momento: nel 2025 hanno partecipato a uno Startup Bootcamp a Milano in cui i founder hanno avuto l’opportunità di confrontarsi con l’ecosistema startup milanese e ha portato De Carli e Sudati a esplorare la possibilità di trasformare il progetto di ricerca in un prodotto.
Questo è il percorso raccontato dai due fondatori durante l’intervista rilasciata all’Osservatorio Startup Thinking del Politecnico di Milano.
Come AlzhAI può supportare la diagnosi dell’Alzheimer
AlzhAI sta sviluppando una piattaforma di intelligenza artificiale pensata per utilizzare dati clinici e diagnostici a supporto dell’identificazione e del monitoraggio della malattia di Alzheimer. Il primo modello sviluppato dal team lavora sui dati clinici di routine e punta a supportare sia la diagnosi dell’Alzheimer sia la valutazione della possibile progressione da mild cognitive impairment verso forme di demenza.
Dati clinici per stabilire le priorità diagnostiche
Uno degli aspetti su cui i due founder si sono concentrati è capire dove inserire concretamente l’algoritmo nel percorso diagnostico. L’idea è utilizzarlo dopo le prime valutazioni del paziente e i test neuropsicologici, lavorando quindi su informazioni che vengono già raccolte durante il normale iter clinico.
Il modello deve aiutare a identificare i pazienti che presentano un rischio maggiore e che possono avere più urgentemente bisogno di esami di approfondimento, come una risonanza magnetica. In un sistema sanitario nel quale le risorse specialistiche sono limitate, uno strumento di questo tipo può quindi contribuire a stabilire le priorità e rendere più efficiente il percorso diagnostico.
Explainability e ruolo centrale del medico
“Il nostro scopo assolutamente non è quello di sostituire il medico”, precisa Alberto. AlzhAI vuole piuttosto essere uno strumento di supporto, capace di mettere in evidenza nei dati elementi utili allo specialista nelle sue valutazioni. Da qui deriva anche l’attenzione del team all’Explainability dei modelli, cioè alla possibilità di comprendere quali informazioni abbiano pesato maggiormente sul risultato prodotto dall’algoritmo.
L’obiettivo è evitare che il medico riceva semplicemente l’output di una “scatola nera”: il modello deve invece fornire indicazioni sugli elementi considerati più rilevanti nel formulare la propria valutazione, lasciando in ultima battuta al professionista la responsabilità della decisione clinica. È anche per questo che, nonostante l’attenzione attuale verso i Large Language Model, AlzhAI utilizza prevalentemente tecniche di machine learning più tradizionali. Il team ha sperimentato anche modelli linguistici applicabili a dati tabellari, ma per il momento li considera meno adatti al proprio obiettivo. Secondo Alberto, i modelli di machine learning utilizzati risultano più trasparenti e più semplici da addestrare, caratteristiche particolarmente importanti quando si lavora con dati sanitari.
La validazione clinica dell’AI per diagnosticare l’Alzheimer
AlzhAI si trova ancora in una fase iniziale. Non è ancora una società costituita e la priorità, prima dell’arrivo sul mercato, è consolidare la validazione scientifica della tecnologia. Il modello è già stato sottoposto a una prima validazione interna, utilizzando una parte dei dati non impiegata durante l’addestramento. Il passaggio successivo consiste nel testarlo su dataset esterni, per verificare se le prestazioni ottenute riescano a generalizzare anche su dati provenienti da popolazioni differenti.
Testare il modello su popolazioni differenti
Il team sta avviando interlocuzioni con un ospedale di ricerca proprio in questa direzione, con l’obiettivo di arrivare a una prima validazione esterna. È un passaggio determinante soprattutto nel MedTech: tra un modello promettente in ambiente di ricerca e uno strumento utilizzabile nella pratica clinica ci sono infatti diversi step, dalla validazione indipendente al confronto con i professionisti sanitari, fino allo sviluppo del prodotto e al percorso regolatorio.
Dal Politecnico alla possibile startup per la diagnosi dell’Alzheimer
Nel passaggio da progetto di ricerca a possibile impresa ha avuto un ruolo importante anche l’ecosistema che ruota attorno al Politecnico di Milano. Nel loro percorso Daniele e Alberto hanno preso parte a programmi come TEF Ignition, programma di imprenditorialità per gli studenti del Politecnico di Milano e Switch2Product, il programma di empowerment imprenditoriale e innovation challenge del Politecnico di Milano che trasforma idee innovative, ricerche e tecnologie in startup, attraverso i quali hanno potuto confrontarsi con mentor, ricercatori, medici e potenziali interlocutori industriali.
Mentorship e confronto con il mercato
Il valore principale di queste esperienze, raccontano, non è stato economico, ma la possibilità di mettere in discussione la propria soluzione e capire se rispondesse davvero a un bisogno concreto. “Le cose più grandi e utili che abbiamo ottenuto da questi programmi sono sicuramente le conoscenze che abbiamo fatto, le persone che abbiamo incontrato e i consigli che abbiamo ricevuto”, racconta Daniele.
Dalla formazione scientifica all’impresa
È un passaggio particolarmente rilevante per due founder molto giovani e con una formazione fortemente scientifica. Se i corsi universitari hanno fornito loro le competenze tecniche, è attraverso l’ecosistema esterno alle lezioni che hanno iniziato ad avvicinarsi al linguaggio e ai problemi dell’imprenditorialità.
Diagnosi dell’Alzheimer, i prossimi traguardi tra ospedali e ricerca
Ora la sfida è trasformare una demo in un prodotto, completare la validazione esterna e, in prospettiva, affrontare il percorso necessario per arrivare alla certificazione come dispositivo medico.
Tra cinque anni, raccontano i founder, il traguardo desiderato è vedere la tecnologia testata e utilizzata negli ospedali. Alberto indica però anche un secondo possibile risultato: contribuire alla produzione di nuova conoscenza scientifica. Il team sta infatti lavorando alla pubblicazione di un primo paper che permetta di condividere con la comunità accademica i risultati delle proprie sperimentazioni.
Un approccio che sintetizza bene la fase in cui si trova AlzhAI: ancora troppo presto per parlare di successo imprenditoriale, ma abbastanza avanti per mostrare come una ricerca nata tra studenti possa cominciare a misurarsi con le esigenze del mercato e, soprattutto, con quelle della pratica clinica.
Partecipa alla community