Questa sezione della piattaforma I AM è dedicata alla mappatura continua dei progetti di ricerca sull'Intelligenza Artificiale in Medicina promossi o partecipati da enti italiani. È possibile segnalare progetti da aggiungere alla piattaforma scrivendo a
BD4QOL
Il progetto Big Data for Quality of Life (BD4QOL) è un’iniziativa di ricerca internazionale, finanziata dalla Commissione Europea nell'ambito del programma Horizon 2020, che mira a trasformare il monitoraggio post-trattamento dei pazienti con tumori della testa e del collo trattati con intento curativo e in fase di follow-up.
Attraverso l'integrazione di tecnologie di mHealth (Mobile Health) e l’uso dell’Intelligenza Artificiale, il progetto si propone di migliorare la qualità della vita a lungo termine, garantendo un supporto continuo e personalizzato durante la delicata fase di recupero.
L'aspetto più innovativo di BD4QOL risiede nell'utilizzo della tecnologia mHealth per una sorveglianza proattiva che non interferisce con la vita quotidiana del paziente. A differenza dei metodi tradizionali, il sistema si basa sulla raccolta passiva di dati tramite i sensori già presenti negli smartphone dei partecipanti, senza dover ricorrere a dispositivi indossabili (wearable).
Questo approccio permette di:
La piattaforma BD4QOL agisce come un assistente intelligente che processa i Big Data raccolti passivamente per personalizzare il percorso di cura. Grazie a questo modello, il follow-up oncologico evolve da una serie di controlli episodici a un sistema di supporto digitale dinamico, capace di allertare tempestivamente il personale medico solo quando si verifica una reale necessità clinica.
Il progetto punta a definire un nuovo standard di assistenza post-terapeutica, dove la tecnologia mHealth non è un semplice strumento di comunicazione, ma un intervento clinico specifico volto a preservare l'autonomia del paziente.
I risultati presentati al congresso ESMO 2025 confermano l'efficacia di questa visione: uno studio clinico randomizzato su 410 partecipanti ha dimostrato che l'utilizzo della piattaforma BD4QOL dimezza il rischio di deterioramento della qualità della vita globale rispetto al monitoraggio standard, riducendo significativamente l'incidenza di peggioramenti clinici rilevanti.
Il consorzio BD4QOL, coordinato dall'Università degli Studi di Milano, è costituito da un partenariato internazionale interdisciplinare che unisce esperti di oncologia, informatica, data science e ingegneria biomedica.
Lo studio clinico ha coinvolto quattro centri di eccellenza:
Il sito ufficiale del progetto BD4QOL:
Apri link
I risultati dello studio su ESMO Daily Reporter:
Apri link
QUANTUM
Il progetto europeo QUANTUM (Quality labelling for data use and re-use through machine-readable solutions) - finanziato nel contesto del programma Horizon EU e coordinato dall'Istituto Aragonese di Scienze della Salute (IACS) - ha come obiettivo principale lo sviluppo di un sistema condiviso a livello europeo per l’etichettatura della qualità e dell’utilità dei dati sanitari.
Questa iniziativa si fonda sull’Articolo 78 del regolamento European Health Data Space (EHDS), che prevede la definizione di un’etichetta di qualità per favorire il riutilizzo (secondary use) dei dati sanitari a fini di ricerca, innovazione e policy pubbliche. Tale etichettatura mira a rendere più trasparente e immediata l’identificazione di dataset affidabili da parte di ricercatori, clinici e decisori, promuovendo allo stesso tempo la cultura della qualità e della governance dei dati nei sistemi sanitari europei.
Le attività principali del progetto comprendono:
Il consorzio QUANTUM è ampio e multisettoriale: comprende 36 membri tra beneficiari, entità affiliate e partner associati, distribuiti in 15 paesi europei. Il partenariato include centri di ricerca, aziende tecnologiche, ospedali, enti regolatori e organizzazioni della società civile, con l’obiettivo di costruire un sistema di co-creazione, sostenibile e applicabile in contesti sanitari eterogenei. Per l'Italia partecipano l'Istituto Superiore di Sanità (ISS) e l'Università Cattolica del Sacro Cuore.
L’impatto atteso per medici e operatori sanitari è rilevante: il progetto potrà facilitare l’accesso a dati clinici di alta qualità, affidabili e riutilizzabili, promuovendo un uso più sicuro ed efficace dei dati nella ricerca e nella pratica clinica. QUANTUM si propone di fornire strumenti concreti come linee guida, checklist, software di verifica e una Online Academy per la formazione continua. Inoltre, la creazione di una Comunità di Pratica internazionale vuole favorire lo scambio di esperienze e buone pratiche tra professionisti della sanità digitale a livello europeo.
Il sito del progetto QUANTUM:
Apri link
Per maggiori dettagli sul regolamento European Health Data Space (EHDS):
Apri link
TRUSTroke
Il progetto europeo TRUSTroke ( Visita sito) ha l'obiettivo di migliorare il trattamento dell’ictus ischemico nella fase acuta e cronica attraverso l’uso dell’Intelligenza Artificiale. Il progetto mira ad utilizzare i dati clinici per la gestione del paziente colpito da ictus con un particolare focus su: personalizzazione delle cure in fase acuta al fine di minimizzare il deficit conseguente l'ictus, miglioramento della stima del rischio di recidiva, e riduzione della probabilità di successive riammissioni ospedalieri.
La soluzione proposta dal progetto è un sistema di Intelligenza Artificiale che, attraverso l'analisi di dati clinici, esami diagnostici e informazioni fornite dai pazienti, sia in grado di predire: l’esito clinico delle procedure in fase acuta, la disabilità post-ictus a distanza di tre, sei e dodici mesi, nonché di ottimizzare la terapia di prevenzione secondaria e prevedere il rischio di riammissione in ospedale. Una volta sviluppata e validata, tale soluzione potrà essere integrata nelle piattaforme digitali in uso negli ospedali e nei centri specializzati in modo da rendere i dati immediatamente accessibili ai medici, fornendo suggerimenti personalizzati sulle strategie di trattamento più efficaci per ciascun paziente. Il progetto prevede anche un App per i paziente per favorire l'aderenza terapeutica e migliorare il monitoraggio nei mesi successivi all'evento ischemico.
Da un punto di vista tecnico, al fine di garantire la protezione dei dati sensibili dei pazienti coinvolti, il progetto sfrutta il Federated Learning (FL), un approccio avanzato di apprendimento automatico che permette di addestrare modelli di IA senza trasferire i dati al di fuori delle strutture sanitarie che li hanno generati. Uno degli aspetti chiave di questa soluzione tecnica è la creazione di un’architettura client-server in cui un nodo centrale - gestito dal CERN di Ginevra - coordina i processi di apprendimento tra i diversi nodi distribuiti nei vari paesi partecipanti.
Tra i quattro partner clinici del progetto - finanziato dall'Unione Europea - figura il Policlinico Universitario Gemelli (Roma), mentre il Politecnico di Milano e il CNR sono coinvolti nello sviluppo dell'architettura per il Federated Learning.
Maggiori informazioni sono reperibili sul sito del progetto:
Apri link
Le pagine relative al progetto delle tre istituzioni italiani coinvolte sono riportate qui sotto:
Policlinico Universitario Gemelli
Politecnico di Milano
CNR
DataTools4Heart
DataTools4Heart è un progetto europeo che mira a migliorare la gestione delle malattie cardiovascolari tramite lo sviluppo di una piattaforma digitale con una serie di strumenti per l'utilizzo sicuro e federato dei dati in cardiologia, garantendo il rispetto della privacy dei pazienti.
L'obiettivo principale è consentire l'utilizzo su larga scala di informazioni cliniche provenienti da diverse strutture sanitarie in Europa, tramite la conversione dei dati reali dei pazienti in controparti sintetiche, che potranno essere utilizzate liberamente da ricercatori, clinici e data scientist per fini di ricerca in tutto il mondo. La piattaforma include assistenti virtuali basati su IA per aiutare gli utenti a navigare e accedere più facilmente agli archivi di dati multi-sorgente.
Strutture sanitarie di sette Paesi europei (Spagna, Paesi Bassi, Regno Unito, Italia, Svezia, Romania e Repubblica Ceca) - un campione rappresentativo del panorama sanitario del continente - contribuiranno con i propri dati alla costruzione del database federato del progetto DataTools4Heart. Il risultato sarà un importante contributo alla realizzazione dello European Health Data Space.
Le 3 attività principali previste dal progetto DataTools4Heart sono:
DataTools4Heart è stato finanziato nell’ambito del programma Horizon EU. Il progetto è coordinato dall’Università di Barcellona e comprende 16 partner, che includono le seguenti istituzioni italiane: Fondazione Policlinico Universitario Gemelli, Linkeus, Studio Legale Panetta, e Translated.
Maggiori informazioni sono reperibili sul sito del progetto:
Apri link
Per approfondimenti sui Dati Sintetici in Medicina:
Apri l'articolo di Nature
dIAbetes
L’obiettivo del progetto dAIbetes è lo sviluppo di nuovi modelli in grado di predire - con migliore accuratezza rispetto ai modelli statistici tradizionali - i risultati delle terapie personalizzate per i pazienti affetti da diabete di tipo 2. In particolare, il progetto si propone di sfruttare grandi quantità di dati sanitari raccolti a livello internazionale per addestrare e validare sofisticati Virtual Twin Models dei pazienti diabetici.
A tale fine, dIAbetes comprende le seguenti azioni principali:
Il progetto è stato finanziato nel contesto del programma Horizon EU. Esso è coordinato dall’Università di Amburgo (Germania) e comprende 13 partners, tra i quali due istituzioni italiane: La Sapienza | Università degli Studi di Roma e Luigi Vanvitelli | Università degli Studi della Campania.
Maggiori informazioni sono reperibili sul sito del progetto:
Apri link
Per approfondimenti sui Virtual Twin (o Digital Twin) e le relative applicazioni in medicina:
Apri l'articolo di Nature
Per approfondimenti sul Federated Learning:
Apri l'articolo di Nature
eCREAM
eCREAM - enabling Clinical Research in Emergency and Acute care Medicine - è un progetto di ricerca guidato dall' IRCSS Mario Negri (Milano) e finanziato dall'EU nel contesto del programma Horizon Europe. Il progetto - iniziato nel 2022 e della durata di 5 anni - coinvolge 11 partner provenienti da 8 paesi, tra i quali Francia, Grecia, Polonia, Slovenia e Slovacchia.
L'obiettivo principale del progetto è rendere possibile l'utilizzo dei dati presenti nelle cartelle cliniche elettroniche dei DEA - Dipartimenti di Emergenza e Accettazione (in inglese, ED - Emergency Department) a fini di ricerca clinica e valutazione della qualità delle cure.
A tal fine, eCREAM comprende le seguenti linee di azione:
Tra i partner tecnologici del progetto: la Fondazione Bruno Kessler (Trento), la aziende tecnologiche Orobix Life (Bergamo) e Astir (Milano).
Maggiori informazioni sono reperibili sul sito del progetto:
Apri link
Apollo 11 BRI
II progetto Apollo 11 ha l'obiettivo di integrare ed elaborare i dati raccolti dai centri di ricerca in campo oncologico sparsi sul territorio italiano al fine di identificare biomarcatori relativi alla risposta all'immunoterapia nei pazienti affetti da tumore polmonare non a piccole cellule (NSCLC).
A settembre 2024, la rete del progetto - coordinata dall' Istituto Nazionale dei Tumori (INT) di Milano - coinvolge attivamente 9 centri, mentre 23 sono in fase di attivazione.
L'obiettivo finale del progetto è la creazione di un modello in grado di predire la risposta dei pazienti all'immunoterapia attraverso l'applicazione di innovative tecniche di intelligenza artificiale (machine learning) sui dati di differente natura - campioni biologici, immagini radiologiche, dati clinici - raccolti dai centri coinvolti.
Tra le sfide affrontate dal progetto, la risoluzione dei problemi di natura tecnica, legale, etica e organizzativa per poter sfruttare i dati provenienti dai vari centri.
Maggiori informazioni sono reperibili sul sito del progetto:
Apri link
Synthema
Il progetto Synthema (Synthetic generation of hematological data over federated computing frameworks) ha l'obiettivo di mitigare il problema della scarsità e frammentazione dei dati relativi alle malattie ematologiche rare. In particolare, il progetto si propone di generare dati affidabili e di alta qualità mediante tecniche basate sull'Intelligenza Artificiale per l'anonimizzazione dei dati clinici e la generazione di dati sintetici.
Finanziato nell'ambito del programma Horizon EU, Synthema realizzerà una piattaforma a livello europeo per la condivisione e l'elaborazione di dati sanitari nel campo della ricerca clinica e traslazionale. Questa piattaforma utilizzerà varie tecnologie - quali Federated Learning , Secure Multi Party Computation e Differential Privacy - per garantire il pieno rispetto della privacy dei pazienti.
Il progetto è guidato dalla Università Politecnica di Madrid e coinvolge 15 partner di 10 differenti paesi. I membri italiani del team sono: Datawizard, Università di Bologna, Humanitas e Università degli Studi di Padova.
Maggiori informazioni sono reperibili sul sito del progetto:
Apri link
RE-SAMPLE
Il progetto ha l'obiettivo di sviluppare trattamenti personalizzati per i pazienti affetti da Broncopneumopatia Cronica Ostruttiva (BPCO) e altre malattie croniche complesse sfruttando real-world data (RWD) e algoritmi di IA.
Analizzando i dati generati dal monitoraggio costante delle condizioni fisiche e dei sintomi dei pazienti, RE-SAMPLE si propone di comprendere meglio l'impatto delle caratteristiche cliniche e non cliniche dei pazienti sulla loro patologia, nonché sul benessere mentale e lo stato di salute complessivo. I dati e le relative analisi saranno utilizzati anche per sviluppare modelli predittivi per definire terapie personalizzate e suggerire cambiamenti agli stili di vita per ridurre le complicanze più gravi. Il progetto, guidato dalla Università di Twente (Olanda), coinvolge il Policlinico Gemelli (Roma).
Maggiori informazioni sono reperibili sul sito del progetto:
Apri link
I3LUNG
Finanziato dall'EU, il progetto ha l'obiettivo di migliorare l'assistenza e personalizzare il trattamento per i pazienti affetti da tumore del polmone non a piccole cellule (mNSCLC).
Attraverso la raccolta di dati biologici, molecolari, radiologici e clinici di più di 2000 pazienti affetti da questa patologia, I3LUNG mira a sviluppare algoritmi AI/ML in grado di prevedere la risposta individuale ai trattamenti immunoterapici. Attraverso questo strumento sarà possibile stratificare i futuri pazienti mNSCLC e - conseguentemente - definire terapie dedicate per ciascun caso. La personalizzazione delle terapie permetterà di migliorare i risultati clinici e aiuterà nel contenimento dei costi sanitari. Il progetto, guidato dall'Istituto Nazionale dei Tumori (INT) di Milano, coinvolge 13 partner a livello internazionale, tra cui il Politecnico di Milano e l'Istituto Mario Negri.
Maggiori informazioni sono reperibili sul sito del progetto:
Apri link
Xai
Il progetto, finanziato dalla European Research Council, è focalizzato sulle modalità per costruire spiegazioni sensate (comprensibili per l'uomo) dei risultati generati dai modelli IA basati sul Machine Learning (apprendimento automatico), ovvero da sistemi di decisione automatica dal funzionamento altrimenti opaco (blackbox).
L'obiettivo è proteggere i diritti umani, migliorare i processi decisionali e preservare l'autonomia individuale nell'era dell'IA. L'applicazione dell'IA in medicina è tra i temi trattati dal progetto, come emerge da uno degli articoli già pubblicati: https://www.mdpi.com/2075-4418/14/7/753 Il progetto coinvolge la Scuola Normale Superiore, l'Università di Pisa, e il CNR.
Maggiori informazioni sono reperibili sul sito del progetto:
Apri link
BETTER
Il progetto, finanziato dall'EU e dal Regno Unito, ha l'obiettivo di migliorare la salute dei cittadini europei attraverso la creazione di una infrastruttura tecnologica decentralizzata che permetta agli operatori sanitari di costruire, gestire e analizzare - anche attraverso sistemi IA - grandi volumi di dati (dataset) sanitari provenienti da più fonti (quindi anche transnazionali) in modo efficace, efficiente, sicuro e nel rispetto della privacy (GDPR).
Il progetto prevede tre sperimentazioni pratiche (use cases) che coinvolgono 7 strutture sanitarie. Queste sperimentazioni implementano un paradigma di analisi distribuita chiamato Personal Health Train (PHT). Tale paradigma prevede che i dati sanitari rimangono sempre presso le strutture sanitarie di origine, quello che viene scambiato tra i vari partner sono solo le richieste di elaborazioni sui dati e i risultati di tali elaborazioni. Lo studio è coordinato da DATRIX, società italiana di IA e analisi dati, e coinvolge anche il Politecnico di Milano e l'ospedale Sacco (Milano).
Maggiori informazioni sono reperibili sul sito del progetto:
Apri link
JuLIA
Questo progetto EU ha l'obiettivo di analizzare l'impatto dell'uso dei sistemi di Intelligenza Artificiale sui processi decisionali dei tribunali, della pubblica amministrazione, e di attori individuali, quali le aziende private e gli operatori sanitari.
Il progetto dedica particolare attenzione alla valutazione dell'impatto di questa tecnologia sulla protezione dei dati personali, dei diritti dei consumatori e, più in generale, sul rispetto dei diritti fondamentali. Julia è coordinato dall'Università "Pompeu Fabra" di Barcellona, per l'Italia partecipano: l'Università di Trento, la Fondazione Bruno Kessler, e la Scuola Superiore della Magistratura.
Maggiori informazioni sono reperibili sul sito del progetto:
Apri link
Copyright © Accademia Nazionale di Medicina | Cod. fiscale e P. IVA: 04208241002 | Webmaster | Privacy policy
Realizzato da 
