{"version":"1.0","provider_name":"Fondazione DARE","provider_url":"https:\/\/www.fondazionedare.it\/it","author_name":"Giulia","author_url":"https:\/\/www.fondazionedare.it\/it\/author\/giulia\/","title":"Progetti pilota regione Puglia - Fondazione DARE","type":"rich","width":600,"height":338,"html":"<blockquote class=\"wp-embedded-content\" data-secret=\"omlXtwUxMz\"><a href=\"https:\/\/www.fondazionedare.it\/it\/progetti-pilota-regione-puglia-2\/\">Progetti pilota regione Puglia<\/a><\/blockquote><iframe sandbox=\"allow-scripts\" security=\"restricted\" src=\"https:\/\/www.fondazionedare.it\/it\/progetti-pilota-regione-puglia-2\/embed\/#?secret=omlXtwUxMz\" width=\"600\" height=\"338\" title=\"&#8220;Progetti pilota regione Puglia&#8221; &#8212; Fondazione DARE\" data-secret=\"omlXtwUxMz\" frameborder=\"0\" marginwidth=\"0\" marginheight=\"0\" scrolling=\"no\" class=\"wp-embedded-content\"><\/iframe><script>\n\/*! This file is auto-generated *\/\n!function(d,l){\"use strict\";l.querySelector&&d.addEventListener&&\"undefined\"!=typeof URL&&(d.wp=d.wp||{},d.wp.receiveEmbedMessage||(d.wp.receiveEmbedMessage=function(e){var t=e.data;if((t||t.secret||t.message||t.value)&&!\/[^a-zA-Z0-9]\/.test(t.secret)){for(var s,r,n,a=l.querySelectorAll('iframe[data-secret=\"'+t.secret+'\"]'),o=l.querySelectorAll('blockquote[data-secret=\"'+t.secret+'\"]'),c=new RegExp(\"^https?:$\",\"i\"),i=0;i<o.length;i++)o[i].style.display=\"none\";for(i=0;i<a.length;i++)s=a[i],e.source===s.contentWindow&&(s.removeAttribute(\"style\"),\"height\"===t.message?(1e3<(r=parseInt(t.value,10))?r=1e3:~~r<200&&(r=200),s.height=r):\"link\"===t.message&&(r=new URL(s.getAttribute(\"src\")),n=new URL(t.value),c.test(n.protocol))&&n.host===r.host&&l.activeElement===s&&(d.top.location.href=t.value))}},d.addEventListener(\"message\",d.wp.receiveEmbedMessage,!1),l.addEventListener(\"DOMContentLoaded\",function(){for(var e,t,s=l.querySelectorAll(\"iframe.wp-embedded-content\"),r=0;r<s.length;r++)(t=(e=s[r]).getAttribute(\"data-secret\"))||(t=Math.random().toString(36).substring(2,12),e.src+=\"#?secret=\"+t,e.setAttribute(\"data-secret\",t)),e.contentWindow.postMessage({message:\"ready\",secret:t},\"*\")},!1)))}(window,document);\n\/\/# sourceURL=https:\/\/www.fondazionedare.it\/wp-includes\/js\/wp-embed.min.js\n<\/script>\n","description":"Progetti Pilota regione Puglia Torna a Elenco Progetti per regione Progetti Pilota regione Puglia SPOKE 3 Approcci di terapia digitale e telemedicina per l\u2019intervento nutrizionale nella malattia renale policistica autosomica dominante (ADPKD) Ente leader: Universit\u00e0 di Bari (UNIBA) La malattia renale policistica autosomica dominante (ADPKD) \u00e8 il disturbo renale ereditario pi\u00f9 comune e rappresenta la quarta causa principale di insufficienza renale negli Stati Uniti. La American Society of Nephrology stima che il costo economico annuale dell\u2019insufficienza renale terminale (ESRD) sia di 32 miliardi di dollari. I pazienti affetti da insufficienza renale in stadio terminale (ESKD) spendono circa 14.399 dollari al mese per tutti i servizi sanitari. Promuovere abitudini alimentari sane e stili di vita salutari potrebbe contribuire a ridurre i costi per il sistema sanitario e migliorare la qualit\u00e0 della vita dei pazienti.\u00a0 Le diete chetogeniche \u2013 ricche in grassi, povere in carboidrati e moderate in proteine \u2013 simulano uno stato di digiuno. Esistono alcune evidenze precliniche a supporto dell\u2019ipotesi che tale dieta possa rallentare la progressione della malattia (rallentamento della crescita delle cisti) e ridurre il rischio di ESKD.\u00a0 L\u2019obiettivo di questo progetto \u00e8 integrare un\u2019infrastruttura IoT con dati clinici, di imaging e informazioni genetiche per guidare un intervento nutrizionale personalizzato (es. dieta chetogenica) e farmacologico (es. metformina vs tolvaptan) volto a migliorare la gestione del paziente rispetto al rischio di progressione della malattia.\u00a0 Attraverso un dispositivo indossabile sar\u00e0 possibile monitorare le abitudini alimentari dei pazienti, stimare con precisione la qualit\u00e0 della dieta e l\u2019assunzione calorica\/proteica, e analizzare l\u2019impatto di tali interventi sul declino della funzione renale e sugli esiti clinici nei pazienti con ADPKD.\u00a0 Approcci di data mining, intelligenza artificiale e apprendimento automatico per identificare le sottoreti di cancro associate alla previsione precoce, alla sopravvivenza, alle metastasi o ai fenotipi nei sottotipi di cancro incentrati sul mieloma Ente leader: Universit\u00e0 di Bari (UNIBA) Il Mieloma Multiplo (MM) rappresenta il secondo tumore del sangue pi\u00f9 comune dopo il linfoma non Hodgkin. Il MM \u00e8 generalmente preceduto dal Monoclonal Gammopathy of Undetermined Significance (MGUS) e\/o dallo Smoldering Multiple Myeloma (SMM). Il rischio di progressione da MGUS a MM \u00e8 di circa l\u20191 % annuo, mentre quello di progressione da SMM a MM \u00e8 di circa il 10% annuo nei primi 5 anni, del 3% annuo nei successivi 5 anni e dell\u20191% annuo negli anni a seguire. Nonostante siano state impiegate e validate diverse stratificazioni del rischio di progressione, sono necessari nuovi strumenti che permettano di analizzare la complessit\u00e0 della malattia cos\u00ec da potenziare la medicina personalizzata del MM.\u00a0 Il progetto \u201cData mining, artificial intelligence, and machine learning approaches to identify subnetworks of cancer associated with early prediction, survival, metastasis or phenotypes in cancer subtypes focusing on myeloma\u201d promosso dal gruppo di ricerca guidato dal Professor Angelo Vacca e dal Professor Roberto Ria dell\u2019Universit\u00e0 di Bari (WP3, Task 3.2c) propone di sviluppare modelli prognostici e predittivi del rischio di progressione attraverso la raccolta e l\u2019analisi di dati clinici con\u00a0 metodiche di Machine Learning che permettano di creare un approccio personalizzato nella gestione dei pazienti con MM.\u00a0 Single oncological marker detection for early diagnosis Ente leader: Universit\u00e0 di Bari (UNIBA) L\u2019elevata\u00a0incidenza\u00a0dei\u00a0tumori\u00a0alla\u00a0cervice\u00a0uterina\u00a0causati\u00a0da\u00a0infezioni\u00a0da Papillomavirus\u00a0umano\u00a0(HPV) ad alto\u00a0rischio\u00a0impone\u00a0al Sistema Sanitario Nazionale (SSN) il\u00a0potenziamento\u00a0dei\u00a0programmi\u00a0di screening.\u00a0Intervenire\u00a0tempestivamente, prima\u00a0dell\u2019avvio\u00a0della\u00a0carcinogenesi\u00a0cellulare, \u00e8\u00a0fondamentale. In\u00a0questo\u00a0contesto, lo\u00a0sviluppo\u00a0di\u00a0nuovi\u00a0dispositivi\u00a0diagnostici\u00a0rapidi\u00a0e\u00a0affidabili\u00a0pu\u00f2\u00a0ridurre\u00a0drasticamente\u00a0il\u00a0rischio\u00a0di\u00a0progressione\u00a0tumorale\u00a0delle\u00a0infezioni,\u00a0abbattendo\u00a0al\u00a0contempo\u00a0i\u00a0costi\u00a0che\u00a0il SSN\u00a0sostiene\u00a0annualmente\u00a0per le cure\u00a0oncologiche.\u00a0 Il\u00a0progetto\u00a0&#8220;Single\u00a0oncological\u00a0marker\u00a0detection\u00a0for\u00a0early\u00a0diagnosis&#8221;,\u00a0guidato\u00a0dalla\u00a0Prof.ssa\u00a0Luisa Torsi\u00a0dell\u2019Universit\u00e0\u00a0degli Studi di Bari Aldo Moro (WP4, T4.3a),\u00a0mira\u00a0a\u00a0rivoluzionare\u00a0la\u00a0diagnosi\u00a0precoce\u00a0dell\u2019HPV\u00a0tramite\u00a0una\u00a0piattaforma\u00a0portatile\u00a0altamente\u00a0innovativa. Il\u00a0cuore\u00a0della\u00a0tecnologia\u00a0\u00e8 il\u00a0SiMoLS\u00a0(Single-Molecule\u00a0at\u00a0a large Surface), un\u00a0dispositivo\u00a0bio-elettronico\u00a0straordinariamente\u00a0sensibile\u00a0e\u00a0selettivo.\u00a0Questo\u00a0sistema\u00a0\u00e8 in\u00a0grado\u00a0di\u00a0individuare\u00a0virus e\u00a0oncoproteine\u00a0al\u00a0limite\u00a0fisico\u00a0di\u00a0rilevabilit\u00e0,\u00a0analizzando\u00a0una\u00a0singola\u00a0goccia\u00a0di\u00a0fluido\u00a0biologico.\u00a0Inoltre, il software integra\u00a0algoritmi\u00a0di machine learning per\u00a0l&#8217;analisi\u00a0automatizzata\u00a0dei\u00a0dati\u00a0in tempo\u00a0reale\u00a0e il\u00a0controllo\u00a0qualit\u00e0\u00a0del\u00a0sensore.\u00a0Il\u00a0dispositivo\u00a0coniuga\u00a0la\u00a0portabilit\u00e0\u00a0di un test\u00a0Point-of-Care\u00a0all\u2019affidabilit\u00e0\u00a0di un\u00a0saggio\u00a0molecolare\u00a0di\u00a0laboratorio,\u00a0avendo\u00a0gi\u00e0\u00a0dimostrato\u00a0in\u00a0fase\u00a0preclinica\u00a0una\u00a0specificit\u00e0\u00a0e\u00a0sensibilit\u00e0\u00a0diagnostica\u00a0del 95%. Tale\u00a0accuratezza\u00a0\u00e8\u00a0resa\u00a0possibile\u00a0dall\u2019ingegnerizzazione\u00a0di\u00a0una\u00a0cartuccia\u00a0monouso\u00a0specifica\u00a0per il\u00a0biomarcatore\u00a0target. La\u00a0tecnologia,\u00a0brevettata\u00a0da UNIBA,\u00a0si\u00a0trova\u00a0attualmente\u00a0a un\u00a0livello\u00a0di\u00a0maturit\u00e0\u00a0tecnologica\u00a0TRL 7 ed \u00e8 in\u00a0fase\u00a0di\u00a0validazione\u00a0clinica, con\u00a0l\u2019obiettivo\u00a0di\u00a0ottenere\u00a0nei\u00a0prossimi\u00a0anni la\u00a0marcatura\u00a0CE come\u00a0dispositivo\u00a0medico\u00a0di\u00a0supporto\u00a0alla\u00a0diagnosi.\u00a0 Digital tools for psychiatric and cognitive disorders: identify subjects at risk for conversion from preclinical conditions to psychosis Ente leader: Universit\u00e0 di Bari (UNIBA) I disturbi psicotici si collocano tra le prime 25 cause di disabilit\u00e0 a livello mondiale e al quarto posto tra tutti i disturbi cerebrali per compromissione funzionale. L&#8217;esordio precoce dei disturbi psicotici rende particolarmente necessari interventi tempestivi rivolti agli individui ad alto rischio clinico di svilupparli (CHR-Clinical High-Risk). Tuttavia, i tassi di conversione a patologia conclamata (circa il 20-25% a 2-4 anni dal primo contatto con i servizi sanitari) suggeriscono l\u2019insufficienza dei criteri clinici per l\u2019identificazione efficace delle transizioni.\u00a0 Tramite l\u2019utilizzo di tecniche di machine learning e con l\u2019obiettivo di identificare nuovi marcatori prognostici, abbiamo costruito diversi calcolatori di rischio per psicosi basati su modelli di interazione tra correlati cerebrali e comportamentali di malattia, che ci hanno consentito di:\u00a0 identificare profili di alterazioni cognitive e socio-cognitive in grado di discriminare la severit\u00e0 dei sintomi della schizofrenia, testandone la generalizzazione negli stadi precoci di malattia e di rischio, in altre condizioni psichiatriche e lungo le traiettorie sintomatologiche;\u00a0 identificare profili neurofisiologici basati su misure di alterata Mismatch\u00a0Negativity\u00a0raccolte tramite magnetoencefalografia in grado di discriminare i controlli sani dai pazienti con schizofrenia\/disturbo bipolare, testandone la generalizzazione lungo l&#8217;intero continuum psicotico (primo episodio &#8211; CHR &#8211;\u00a0schizotipia);\u00a0 identificare pattern normativi di associazioni tra misure cerebrali di connettivit\u00e0 funzionale e performance cognitive in controlli sani, validati su campioni clinici di individui con diagnosi di, o a rischio per, disturbi psicotici.\u00a0 \u00a0 Ci aspettiamo che l\u2019utilizzo di questi calcolatori digitali possa essere integrato in programmi personalizzati di identificazione precoce e predizione della conversione a malattia, contribuendo cos\u00ec a ridurre il carico\u00a0socio-economico\u00a0associato alla psicosi.\u00a0 A ML-based approach to establish an effective and accurate indicator of the eubiosis\/dysbiosis status through DNA metabarcoding microbiome assessment Ente leader: Universit\u00e0 di Bari (UNIBA) Il progetto pone le basi per una caratterizzazione sistematica, rapida ed estremamente accurata del microbiota intestinale umano al fine di identificare marker specifici associati allo stato di salute dell&#8217;ospite, goal d\u2019elezione delle strategie terapeutiche in medicina personalizzata e di precisione Il progetto ha previsto la raccolta e l&#8217;armonizzazione di migliaia di dati pubblicamente disponibili e relativi a studi su campioni fecali provenienti da individui sani e da pazienti affetti da patologie eterogenee, tra cui malattie infiammatorie intestinali, disturbi neurologici e infezioni virali. Mediante l\u2019approccio del DNA-metabarcoding \u00e8 stata effettuata una profilazione tassonomica delle comunit\u00e0 microbiche seguita da analisi volte a superare gli effetti confondenti di covariate come sesso, et\u00e0, BMI, etc. L&#8217;integrazione di approcci statistici convenzionali con l\u2019addestramento di modelli","thumbnail_url":"https:\/\/www.fondazionedare.it\/wp-content\/uploads\/2025\/06\/UNIBA-ADPKD.png","thumbnail_width":1006,"thumbnail_height":229}