SPOKE 2
Salute Intelligente e Dati
Data Science per una Sanità 4.0: gestione dei dati e sviluppo di metodi avanzati, algoritmi e approcci di apprendimento automatico che integrano dati clinici e molecolari su larga scala.
Spoke Leader ed Expertise
Alma Mater Studiorum Università di Bologna
L’Università di Bologna è riconosciuta a livello internazionale per l’expertise nella data science applicata alla sanità, nell’analisi avanzata di immagini mediche e nello sviluppo di modelli di intelligenza artificiale a supporto delle decisioni cliniche. Nell’ambito della medicina di precisione, lo Spoke 2 rappresenta l’infrastruttura digitale del progetto HEAL Italia, rendendo possibile l’integrazione, l’analisi e l’interpretazione di grandi volumi di dati clinici, biologici e strumentali.
Partner
- BI-REX – Big Data Innovation & Research Excellence
- Engineering Ingegneria Informatica S.p.A.
- IRCCS IFO – Istituti Fisioterapici Ospitalieri
- Istituto Superiore di Sanità
- IRCCS Neuromed – Istituto Neurologico Mediterraneo
- Sapienza Università di Roma
- Università degli Studi di Roma Tor Vergata
- Università degli Studi di Cagliari
- Università degli Studi di Catania
- Università degli Studi di Milano-Bicocca
- Università degli Studi di Modena e Reggio Emilia
- Università di Pisa
- Università degli Studi di Verona
Referente Scientifico
Prof. Stefano Diciotti
Missione
La missione del network tematico (Spoke 2) è trasformare i dati sanitari in conoscenza clinicamente utile. In medicina di precisione, la disponibilità di grandi quantità di dati non è sufficiente se queste informazioni non vengono integrate, analizzate e interpretate in modo affidabile, trasparente e sicuro.
Lo Spoke 2 lavora per rendere i dati uno strumento operativo per medici e ricercatori, favorendo decisioni cliniche personalizzate e basate su evidenze quantitative.
Obiettivi
- Migliorare l’accuratezza e la tempestività della diagnosi.
- Supportare la stratificazione dei pazienti in base al rischio individuale.
- Rendere l’intelligenza artificiale uno strumento affidabile e responsabile.
- Favorire decisioni cliniche personalizzate basate sui dati.
Attività
Le attività dello Spoke 2 coprono l’intero ciclo di vita del dato sanitario. Un primo ambito riguarda la progettazione di infrastrutture digitali interoperabili, capaci di raccogliere e armonizzare dati provenienti da fonti diverse, come cartelle cliniche elettroniche, sistemi di imaging, laboratori di analisi e studi di ricerca. L’interoperabilità consente a sistemi differenti di comunicare tra loro, superando la frammentazione informativa.
Un secondo ambito di attività riguarda lo sviluppo di algoritmi di intelligenza artificiale e machine learning, ovvero modelli matematici capaci di apprendere dai dati. In particolare, lo Spoke lavora su:
- Radiomica, la disciplina che estrae informazioni quantitative dalle immagini radiologiche
- Sistemi di supporto decisionale clinico
- Modelli di explainable AI, progettati per essere interpretabili e comprensibili
Le attività includono anche la definizione di standard per la qualità del dato, la gestione della sicurezza e della privacy e la validazione dei modelli sviluppati in contesti clinici reali.
Aree di lavoro
Integrazione di dati clinici riservati con mappe omiche e di imaging
- Sviluppo di una piattaforma collaborativa per l’integrazione di dati molecolari, clinici e di imaging
- Swarm Learning per l’elaborazione decentralizzata e integrata di dati biomedici
- Prototipazione di Software come Dispositivo Medico (SaMD) per la medicina di precisione
Evoluzione dell’Intelligenza Artificiale (Climbing AI)
- Oltre l’apprendimento supervisionato: nuove frontiere del Machine Learning
- Integrazione e modellazione avanzata di dati multi-omici
- Digital Twins per la modellistica computazionale e l’intervento personalizzato
Dalle nuove metodologie alle applicazioni cliniche: l’AI per la medicina personalizzata
- Progettazione di tecniche di Intelligenza Artificiale per la realtà aumentata nella chirurgia robotica
- Sviluppo di algoritmi di “Network Analysis” per lo studio dei sistemi complessi
- Sviluppo di sistemi di imaging medico basati su AI per il supporto diagnostico e la radioprotezione nella TC del torace
Progetti finanziati tramite Bandi a Cascata
ARISE
Ai-based medical swaRm learnIng prototype for SEcurity and analysis optimization on multicentric clinical data
Sviluppare un prototipo innovativo di piattaforma hardware-software basata su swarm learning, utilizzando blockchain e intelligenza artificiale per ottimizzare l’elaborazione e la sicurezza dei dati clinici multicentrici. L’obiettivo è migliorare l’accuratezza diagnostica e la personalizzazione dei trattamenti nella medicina di precisione, attraverso: (1) OBJ1: Sviluppo del middleware ARISE, (2) OBJ2: Sviluppo delle applicazioni AI/ML per la medicina di precisione, (3) OBJ3: Integrazione e dimostrazione della tecnologia ARISE in rete triistituzionale formata da tre nodi presso le Università di Roma, Verona e Bologna.
VET S.r.l.
BISTOURY
3D-guided roBotIc Surgery based on advanced navigaTiOn systems and aUgmented viRtual realitY
Il progetto BISTOURY propone un sistema integrato che combina MIRS, Realtà Virtuale Aumentata (AVR) e una pipeline innovativa di intelligenza artificiale per offrire ai chirurghi una percezione potenziata delle strutture anatomiche attraverso l’integrazione di istruzioni visive e feedback aptici. Fondendo il supporto decisionale intraoperatorio con una guida avanzata alla navigazione anatomica, la piattaforma trasforma il flusso di dati complessi in assistenza digitale in tempo reale, ottimizzando l’accuratezza dell’intervento e la sicurezza del paziente attraverso un’interfaccia sensoriale immersiva e precisa.
PRIME
Private and Inclusive Synthetic Medical data for precision medicine powered by Swarm learning
Il progetto PRISMS si propone di trasformare l’ecosistema dei dati sanitari attraverso la generazione pionieristica di dati sintetici multimodali e il progresso di sistemi di apprendimento decentralizzati. L’iniziativa pone un’enfasi critica sulla garanzia di privacy, equità e mitigazione dei bias, promuovendo al contempo standard elevati di qualità e fiducia verso i dati prodotti dall’intelligenza artificiale. Attraverso una collaborazione sinergica con gli operatori del settore sanitario, il progetto mira a massimizzare l’impatto e la scalabilità delle proprie innovazioni, assicurando che il progresso tecnologico si traduca in soluzioni concrete, affidabili e sicure per il mondo reale.
