Il Pilota Digi-Vax, promosso dall’Università degli Studi di Palermo, nasce dall’esigenza di colmare un “gap” nella digitalizzazione dei dati relativi alle vaccinazioni in Regione Sicilia, e nel rendere gli stessi interoperabili con quelli relativi alla sorveglianza laboratoristica delle patologie prevenibili da vaccino (PPV).
In diversi Paesi Europei, quali UK e Spagna, è possibile avere in tempo reale sia lo status vaccinale del soggetto cui viene diagnostica e confermata laboratoristicamente una PPV (quale ad esempio meninigite batterica, polmonite batterica, influenza, morbillo, etc…) sia efefttuare una valutazione in “real world” del dato di vaccine effectiveness (per introdurre eventuali modifiche e miglioramenti delle strategie vaccinali in atto).
Ciò in Italia non avviene, se non per studi scientifici condotti ad hoc a livello locale e su popolazione limitata. Le stesse coperture dei vaccini contenuti nel Piano Nazionale di Prevenzione Vaccinale 2023-2025 vengono diffuse con estremo ritardo (al momento sono disponibili quelle al 31/12/2023).
Tale percorso “non virtuoso” impedisce sia di adattare le strategie vaccinali alla circolazione dei virus e dei batteri, sia di metterne in atto di corrette per incrementare le coperture stesse.
Il Progetto Digi-Vax mira a realizzare un Pilota in Regione Sicilia, la quarta regione più popolosa d’Italia con circa 4,8 milioni di residenti, per superare queste limitazioni nella digitalizzazione ed interoperabilità dei dati.
Pilot leader: Claudio Costantino (Università degli Studi di Palermo)
Contatti: claudio.costantino01@unipa.it
UN APPROCCIO DIGITALE SU BASE DI POPOLAZIONE PER IL CANCRO CERVICALE, VOLTO A FAVORIRE L’INTEROPERABILITÀ TRA I REGISTRI TUMORI, LE RETI CLINICO-PATOLOGICHE SPECIALIZZATE E I FLUSSI DI DATI, ATTRAVERSO L’USO DI MODELLI AVANZATI DI MACHINE LEARNING CHE TRACCIANO IL PERCORSO DALLA INFEZIONE DA HPV ALLE LESIONI PRECANCEROSE.
Il progetto pilota si propone di sviluppare una piattaforma di sorveglianza integrata guidata dall’IA per indagare i fattori di rischio associati all’insorgenza del cancro, come
l’infezione da HPV e le lesioni precancerose, per prevederne il rischio di sviluppo, eseguire analisi complete dei dati e analisi di caratteristiche ad alta dimensione, facendo interoperare i registri tumorali, i registri patologici specializzati (inclusi dati molecolari) e i dati della popolazione generale (stili di vita, esposizione professionale, ecc.), con l’obiettivo di implementare interventi innovativi di prevenzione primaria digitale basati sulla comunità.
Il progetto pilota si concentrerà sui tumori femminili della cervice uterina, quarta causa principale di morte per cancro delle donne di tutto il mondo.
L’implementazione di programmi di prevenzione primaria e secondaria utilizzando approcci di machine learning e deep learning può svolgere un ruolo cruciale per analizzare grandi quantità di dati e produrre informazioni utili per prevedere le fasi iniziali della malattia.
Il progetto pilota ha una durata di circa due anni e prevede l’implementazione di modelli di predizione basati su machine learning, altamente specializzati per la prevenzione primaria, al fine di identificare pattern complessi e relazioni tra i fattori che potrebbero essere responsabili del cancro cervicale.
Questa ricerca è stata cofinanziata dal Piano Nazionale Complementare PNC-I.1 “Iniziativa di ricerca per le tecnologie e percorsi innovativi in ambito sanitario e assistenziale”, D.D. 931 del 06/06/2022, iniziativa “DARE – Digital lifelong prevention”, codice PNC0000002