Centro Nazionale di Ricerca in High Performance Computing Big Data e Quantum Computing (ICSC), progetto finanziato dall’Unione Europea – NextGenerationEU – e dal Piano Nazionale Ripresa e Resilienza (PNRR) – Missione 4 Componente 2.
Obiettivi
Il peso sociale dei disturbi neurodegenerativi (NDD) degli anziani sta crescendo in tutto il mondo. Per contenere la loro progressione e i relativi costi sanitari sono necessarie diagnosi e prevenzione precoci.
Il progetto mira a sviluppare soluzioni di intelligenza artificiale personalizzate per determinare il rischio di contrarre NDD sulla base di dati derivati da datalake sanitari NDD multiscala costituiti da banche dati cliniche disponibili, modelli di malattia disponibili e algoritmi predittivi precedentemente proposti.
Sfida iniziale
La prevalenza del morbo di Alzheimer e dei relativi disturbi della demenza (AD-NDD), che attualmente rappresenta 57,4 milioni di persone in tutto il mondo, crescerà a 152,7 milioni nel 2050. La prevalenza del morbo di Parkinson e dei relativi disturbi motori (PD-NDD) dovrebbe raddoppiare entro il 2040, dagli attuali 7 milioni a 14 milioni in tutto il mondo. Considerando l’impatto significativo sulla qualità della vita, la sofferenza personale e familiare e i costi sociali, la diagnosi precoce e la prevenzione sono l’approccio più promettente, con l’obiettivo di contenere la progressione dei disturbi e i relativi costi sanitari.
La conoscenza di un rischio ragionevole di sviluppare un NDD nei prossimi 4-8 anni potrebbe portare a prendere decisioni istruite riguardanti i cambiamenti di stile di vita, l’impegno a nuovi trattamenti di modifica delle malattie e la valutazione prospettica dell’impatto sull’organizzazione personale/ familiare nel corso degli anni. Recenti scoperte scientifiche hanno confermato che i cambiamenti nello stile di vita possono influenzare il rischio di NDD, mentre nuovi trattamenti farmacologici che modificano la malattia, efficaci se il dosaggio inizia nelle prime fasi di A-NDD, saranno disponibili già nel 2024 (e si spera anche per PD-NDD nei prossimi 2-3 anni).
Soluzione
Il progetto si propone di sviluppare soluzioni personalizzate di intelligenza artificiale (AI) per determinare il rischio di contrarre NDD, come AD e PD, in adulti altrimenti sani con marcatori prodromici precoci.
I sistemi si basano su dati convergenti derivati da laghi di dati NDD multiscala consistenti in un’ampia inclusione di banche dati pubbliche o private (ma disponibili) e gruppi di dati peer reviewed basati su prove, nonché modelli di malattia e algoritmi predittivi precedentemente proposti e pubblicati in articoli scientifici specializzati.
Benefici
L’esito di questo progetto dovrebbe fornire materiale per un “proof-of-concept” che potrebbe generare proprietà intellettuale, contribuendo all’impatto della ICSC nell’area biomedica coperta da Spoke 8.
Contribuirà in modo unico alla formazione di giovani specialisti in AI/Data-Science nelle applicazioni biomediche.
Il ruolo di IFAB
IFAB ha contribuito allo sviluppo e all’integrazione delle infrastrutture dati e degli strumenti di analisi necessari per abilitare approcci avanzati di intelligenza artificiale applicati alla prevenzione dei disturbi neurodegenerativi. In un ambito in cui la qualità e l’interoperabilità dei dati biomedici rappresentano una condizione preliminare per qualsiasi sviluppo algoritmico affidabile, il contributo di IFAB ha riguardato l’intero ciclo di gestione del dato, dalla raccolta alla messa a disposizione per i modelli predittivi.
Le attività si sono articolate su quattro fronti:
- data engineering e integrazione dei dati: raccolta, armonizzazione e messa in coerenza di informazioni eterogenee provenienti da diverse fonti cliniche e scientifiche, con l’obiettivo di costruire un ecosistema informativo interoperabile e pronto per l’analisi.
- sviluppo di procedure sistematiche per la pulizia, la validazione e la standardizzazione dei dati, attività fondamentali per garantire l’affidabilità dei modelli di intelligenza artificiale addestrati su di essi.
- progettazione e implementazione dell’architettura data lake necessaria a ospitare e gestire grandi volumi di informazioni biomediche multiscala, abilitando l’accesso e l’elaborazione efficiente dei dati da parte dei partner del progetto, utilizzando infrastrutture CINECA.
- di particolare rilevanza nel contesto della ricerca biomedica, generazione di dataset sintetici realistici a supporto dello sviluppo e della validazione dei modelli di AI, consentendo di mitigare i vincoli legati alla privacy e alla protezione dei dati sensibili senza rinunciare alla rappresentatività statistica necessaria all’addestramento.
La partecipazione ad AIND ha consentito a Fondazione IFAB di consolidare competenze avanzate all’intersezione tra ingegneria dei dati, intelligenza artificiale e ricerca biomedica, contribuendo a porre le basi tecnologiche per lo sviluppo di modelli predittivi in grado di stimare il rischio individuale di disturbi neurodegenerativi e supportare strategie di prevenzione personalizzata.
Partners
Spoke coinvolti
Per maggiori informazioni, contatta: projects@ifabfoundation.org
