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
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.
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.
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).
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.
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.
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).
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.
Copyright © Accademia Nazionale di Medicina | Cod. fiscale e P. IVA: 04208241002 | Webmaster | Privacy policy
Realizzato da 
