For a Human-Centered AI

Big Data e malattie del sistema nervoso: Apss e FBK nel progetto NeuroArtP3

23 Novembre 2020

Condividere in maniera strutturata i dati clinici per migliorare la capacità di prevedere, prevenire e curare malattie come Alzheimer, Parkinson, SLA, sclerosi multipla e tumori cerebrali, riducendo il loro impatto sul Sistema sanitario nazionale.

È questo l’obiettivo del progetto NeuroArtP3, programma triennale coordinato dall’IRCCS Ospedale Policlinico San Martino che coinvolge anche l’Azienda provinciale per i servizi sanitari e la Fondazione Bruno Kessler in collaborazione con il centro di competenza sulla sanità digitale TrentinoSalute4.0. Tra i partner anche il Gaslini e l’Università di Genova, il San Raffaele di Milano e il Don Gnocchi di Firenze. Il progetto è co-finanziato dal Ministero della salute e dalle Regioni dei centri partner.

Il progetto punta a sfruttare al meglio la grande quantità di dati clinici disponibili per migliorare la gestione delle malattie del sistema nervoso centrale: raccogliere il più alto numero di informazioni possibili di tipo epidemiologico, clinico e di laboratorio allo scopo di elaborare –  attraverso tecniche di intelligenza artificiale – algoritmi matematici per individuare modelli di prognosi e risposta alle terapie.

I big data rappresentano uno dei nodi più delicati per le organizzazioni sanitarie: le informazioni cliniche sono in costante crescita, soprattutto per le malattie croniche e multifattoriali, provengono da più fonti e sono spesso codificati e memorizzati in formati e supporti diversi. Per essere utilizzati al pieno delle loro potenzialità richiedono rapide elaborazioni, un’architettura uniforme oltre a piattaforme digitali e competenze matematiche e cliniche specifiche.

Il punto di partenza di NeuroArtP3 è quindi digitalizzare, standardizzare e organizzare i dati dei pazienti con malattie del sistema nervoso centrale provenienti dai centri clinici coinvolti nello studio. L’obiettivo finale è sviluppare modelli predittivi e algoritmi che mettano in relazione il quadro clinico con la successiva evoluzione di malattie così complesse, per una cura sempre più personalizzata: una sfida che apre nuove prospettive per la cura delle malattie neurologiche.

Il progetto NeuroArtP3 è stato finanziato con 2.400.000 euro provenienti per metà dal Ministero della salute e per l’altra metà da Provincia autonoma di Trento, Regione Liguria, Regione Lombardia e Regione Toscana.

Gli obiettivi di ricerca in cui sono coinvolti i ricercatori della Fondazione Bruno Kessler, in particolare dell’unità di ricerca eHealth, con Apss sono:

  • costruzione di un database condiviso retrospettivo e prospettico di dati clinici, di imaging e laboratoristici di pazienti degli ospedali coinvolti nel progetto;
  • elaborazione di tali dati clinici per sviluppare diversi modelli predittivi basati su intelligenza artificiale in grado di predire vari esiti clinici (outcome) riguardo a malattie neuroinfiammatorie, neurodegenerative e neuro-oncologiche (come Parkinson, Sclerosi Multipla, Alzheimer, tumori cerebrali pediatrici e degli adulti).

Una volta sviluppati e validati i modelli daranno un forte supporto allo sviluppo delle procedure altamente innovative e nuove conoscenze utili al miglioramento delle opportunità di prevenzione, diagnosi, trattamento, riabilitazione attraverso studi e sperimentazioni di carattere clinico.

«Ogni singolo paziente affetto da patologie neurologiche – ha dichiarato il direttore dell’Unità operativa di Neurologia di Apss Bruno Giomettogenera migliaia di dati. Non dobbiamo farci “travolgere” da questa mole di dati, ma dobbiamo metterci in rete con gli altri centri per gestirli e sfruttarli al meglio. I dati vanno elaborati, validati e integrati, con l’obiettivo ultimo di creare nuovo valore all’interno dei servizi sanitari: informazioni più accurate permettono infatti di orientare meglio le strategie di intervento e gli ambiti di ricerca».

Intervista al ricercatore Venet Osmani, responsabile per FBK della parte scientifica che riguarda l’intelligenza artificiale e i modelli predittivi del progetto NeuroArtP3

 


Autore/i