Abstract
Le neoplasie mieloidi croniche (MN), che comprendono le sindromi mielodisplastiche (MDS) e le neoplasie mieloproliferative (MPN), sono disordini delle cellule staminali ematopoietiche caratterizzati da un’elevata variabilità interpaziente e, nonostante i recenti progressi, presentano ancora importanti bisogni clinici non soddisfatti. Questo progetto si propone di affrontare tali bisogni attraverso lo sviluppo di approcci di medicina di precisione basati su tecnologie avanzate di bioinformatica, statistica e intelligenza artificiale (IA), sfruttando un ricco insieme di dati omici e di imaging già disponibili e di nuova generazione. L’ipotesi alla base è che una caratterizzazione precisa della complessità genomica di ciascun paziente, combinata con tecnologie di imaging di nuova generazione, possa migliorare la classificazione delle malattie e la previsione dell’evoluzione e degli esiti clinici, con un impatto diretto sulla gestione personalizzata del paziente. L’obiettivo finale è quello di tradurre queste conoscenze in sistemi innovativi di supporto decisionale, spiegabili, per la pratica della medicina personalizzata. Le principali attività del progetto includono: • Sviluppo di un’infrastruttura informatica per la gestione della raccolta, armonizzazione, pre-processing e analisi dei dati clinici e molecolari; • Estrazione di caratteristiche dai dati omici (sequenziamento del DNA e RNA) e di imaging (immagini istopatologiche) mediante metodi di apprendimento non supervisionato per l’ integrazione di dati omici, immagini e clinici per identificare diversi tipi di MN; • Studio dell’eterogeneità tumorale tramite sequenziamento a singola cellula e sviluppo di sistemi di supporto decisionale basati su IA per una ematologia personalizzata. In particolare faremo: 1. Classificazione di nuova generazione e multi-omica delle entità cliniche nelle MN; 2. Standardizzazione della valutazione morfologica delle MN 3. Valutazione del rischio personalizzata, integrando dati omici e clinici. Per quanto riguarda l’implementazione clinica delle soluzioni IA sviluppate in ematologia, il progetto affronterà tre aspetti chiave: 1. Trasparenza: tramite metodi che spiegano le tecniche di AI 2. Affidabilità: validazione estensiva e indipendente dei modelli IA generati; 3. Protezione dei dati e condivisione: svilupperemo procedure di federated learning per la raccolta e l’analisi dei dati. In parallelo, la piattaforma informatica sviluppata potrà rappresentare uno strumento prezioso anche per futuri progetti di ricerca rivolti ad altri bisogni clinici non soddisfatti in ambito ematologico
Project details
Unibo Team Leader: Gastone Castellani
Unibo involved Department/s:
Dipartimento di Scienze Mediche e Chirurgiche
Coordinator:
Università degli Studi di FIRENZE(Italy)
Total Unibo Contribution: Euro (EUR) 37.950,00
Project Duration in months: 24
Start Date:
28/09/2023
End Date:
28/02/2026
