Raccolta dei requisiti tecnologici, legali e organizzativi.
Raccolta di evidenze e indicatori all’interno dei piloti.
Identificazione e networking degli stakeholder locali: costruzione di una piattaforma di stakeholder.
Coinvolgimento degli end-user e degli stakeholder all’interno dei piloti.
Comunicazione e disseminazione.
Sviluppo e validazione di previsioni del rischio di fratture ossee negli anziani fragili utilizzando la Tomografia Computerizzata Biomeccanica di Bologna (BBCT), una tecnologia digital twin che stima in modo non invasivo la resistenza biomeccanica di qualsiasi regione dello scheletro partendo da TC calibrata.
Si prevede di combinare la tecnologia digital twin con l’analisi della forza muscolare per esplorare come peso corporeo, condizionamento muscolare e controllo neuromuscolare possano contribuire al rischio di sovraccarico articolare, fattore principale nella progressione dell’osteoartrite e nel fallimento di molte protesi articolari.
La pianificazione computerizzata completa dell’Osteotomia Tibiale Alta è possibile tramite la modellazione articolare del ginocchio artritico; per ottenere un miglior risultato in questo intervento chirurgico, capace di rallentare la progressione dell’osteoartrite del compartimento mediale e ritardare la sostituzione articolare.
I pazienti con carcinoma sono ad alto rischio di frattura ossea. Questo rischio può essere stratificato attraverso analisi retrospettive di serie di immagini radiografiche, TC e MRI.
Costruzione di un set di caratteristiche basate su radiomica da TC e RM per predire complicanze e eventi avversi post-operatori dopo chirurgia endovascolare.
Correlazioni tra strumenti tradizionali di screening e valutazioni neuropsicologiche della funzione cognitivo-motoria usando brain CT e MRI possono rivelare e predire disturbi del sonno.
Si prevede di sviluppare protocolli personalizzati per la neuroriabilitazione in bambini con paralisi cerebrale basati su analisi psicofisiche, cinematiche, cinetiche ed elettromiografiche non invasive. Questi saranno sfruttati anche in individui con diabete di tipo 2 e anziani a rischio di cadute.
L’obiettivo è testare l’efficacia dell’IA nel predire il rischio di complicazioni e l’efficacia dei trattamenti in varie malattie non trasmissibili e trasmissibili, in diverse fasce di età.
Data mining, intelligenza artificiale e machine learning per predire il rischio di infezioni e eventi acuti cardiovascolari in a) “anziani fragili frequenti utenti” del Pronto Soccorso, e b) per stratificare la risposta alle vaccinazioni.
Data mining, IA e machine learning per identificare subnetworks nel cancro associate a predizione precoce, sopravvivenza, metastasi o fenotipi nei sottotipi di cancro, focalizzandosi su a) colon, b) polmone, c) mieloma, e d) predizioni IA.
Modelli predittivi basati su omiche, punteggi clinici e reclami amministrativi elettronici saranno applicati per sottocompiti quali a) complicanze diabetiche; b) Malattia del fegato grasso non alcolica (NAFLD).
Approcci di data mining, IA e machine learning per focalizzarsi su a) identificare soggetti a rischio di conversione da condizioni precliniche a psicosi; b) fattori che influenzano la progressione a disabilità intellettiva in sindromi genetiche usando la Sindrome di Down come modello.
Questo task si concentra sulla valutazione, validazione e classificazione di strumenti e tool per il monitoraggio e il tracking della mobilità e deformità di articolazioni e segmenti umani. Protesi e ortesi personalizzate innovative saranno progettate e testate sui pazienti.
Questo task mira a prevenire le complicanze del piede diabetico tramite analisi biomeccaniche all’avanguardia basate su tecniche di imaging biomedico (CT, WBCT, MRI), stereofotogrammetria e baropodometria.
Si concentra sulla validazione di uno strumento per la rilevazione precoce del papillomavirus umano (HPV) usando il sistema bioelettronico intelligente SIMOT Array che rileva biomarcatori HPV nei fluidi corporei.
Metodi di patologia digitale e IA saranno applicati ai riceventi di trapianti di organi solidi (fegato, rene, cuore e polmone) per la predizione e stratificazione per prevenire la trasmissione di malattie. Una nuova piattaforma online raccoglierà informazioni relative alle biopsie post-trapianto.
IA e machine learning saranno usati per implementare biomarcatori e identificare soggetti a rischio di conversione da condizioni precliniche a progressione di Parkinson e Alzheimer e fattori che influenzano la progressione a disabilità intellettiva nella Sindrome di Down.
In oncologia, modelli di apprendimento supervisionato sono in fase di definizione per discriminare robustamente tra eubiosi e disbiosi del microbioma umano per supportare la valutazione dell’efficacia della terapia antitumorale e fare luce su processi fisiologici e l’etiopatogenesi di diverse malattie non trasmissibili.
Sono in sviluppo modelli per indagare la neurotrasmissione molecolare nell’invecchiamento cerebrale sano e le alterazioni nell’invecchiamento accelerato. Lo scopo è identificare biomarcatori da neuroimaging MRI e PET prima che degenerazione e declino cognitivo si manifestino.
L’infrastruttura hub-spoke per le Malattie Infiammatorie Croniche Intestinali (IBD) in Emilia-Romagna sarà ulteriormente sviluppata per consentire la valutazione continua della qualità dell’assistenza, facilitare la ricerca, lanciare tempestivamente allarmi sulla gestione dei percorsi clinici, effettuare benchmarking e favorire il coinvolgimento dei pazienti.
L’obiettivo è integrare un’infrastruttura IoT con approcci digitali, nutrizionali e farmacogenomici basati su una sana alimentazione per migliorare la cura del paziente rispetto al rischio di progressione della malattia.
Verrà progettato un approccio di tele-salute centrato sulla famiglia, che utilizza dispositivi medici indossabili e facili da usare, per assistere i neonati pretermine e a termine assistiti nelle terapie intensive neonatali e ridurre condizioni croniche, degenze ospedaliere, comorbidità e infezioni nosocomiali.
Sarà validato un sistema di supporto decisionale in grado di fornire suggerimenti personalizzati per la terapia insulinica, utilizzabile da medici non specialisti. Verrà sviluppata e valutata una piattaforma mobile integrata e scalabile, che sfrutta il monitoraggio glicemico continuo, dispositivi indossabili e algoritmi personalizzati innovativi in tempo reale per ridurre i rischi di eventi avversi.
Verranno utilizzati dispositivi indossabili per ricostruire l’attività di masticazione e la sua relazione con il tipo di alimento e, eventualmente, stimare l’assunzione calorica in soggetti patologici (obesità, diabete tipo 2) dalla fascia pediatrica agli anziani.
L’obiettivo è ridurre gli accessi ripetuti al pronto soccorso integrando i servizi ospedalieri e di cura territoriale. A tal fine, sarà sviluppato un sistema di intelligenza artificiale in grado di identificare i fattori chiave legati alla fragilità negli utenti del pronto soccorso di età ≥65 anni, per monitorare le persone a rischio.