Web-sisällön esitys
Scienze computazionali, tecnologie d’intelligenza artificiale: driver per un’oncologia digitale
Il termine big data è stato originariamente coniato dagli scienziati della NASA nel 1997 in seguito alla difficoltà di visualizzare e memorizzare un set di dati troppo grande. Negli ultimi anni, le informazioni digitali di tutto il mondo sono più che raddoppiate e il fenomeno è in continua espansione. In particolare, la medicina è uno dei principali protagonisti di questa crescita. I big data relativi alla salute stanno aumentando in maniera più rapida rispetto a quelli degli altri settori, grazie a quattro importanti fenomeni:
- sviluppo delle tecniche di reportistica digitale (cartelle e fascicoli elettronici dei pazienti)
- sviluppo digitale della diagnostica per immagini (radiologiche e patologiche)
- sviluppo delle scienze omiche (genomica, trascrittomica, proteomica, metabolomica) sia in bulk che in single-cell
- sviluppo dell'Internet of Things (IoT), ovvero lo sviluppo di sensori in grado di rilevare in real-time informazioni dal corpo umano (ad esempio, gli smartwatch). Gli algoritmi di Machine Learning (ML) e lo sviluppo di sistemi informatici basati su AI si stanno sviluppando di pari passo con la crescita dei big data; ad esempio, sistemi di supporto alla diagnostica sono stati sviluppati nell'ambito della radiomica o della patomica. Inoltre, le scienze computazionali per le omiche si stanno sviluppando per ampliare la capacità di integrazione dei dati, come la trascrittomica spaziale.
Sono attualmente attivi i seguenti progetti:
| Dr. Alfredo Zito | Realizzazione di un algoritmo di Intelligenza Artificiale su preparati istologici di pazienti con carcinoma mammario Luminal B HER2 negativo come surrogato al test genomico Endopredict |
| Dr. Alfredo Zito | Identificazione di un algoritmo di Intelligenza Artificiale per migliorare l'accuratezza diagnostica delle neoplasie mieloproliferative in fase iniziale su biopsie osteomidollari |
|
Dr. Attilio Guarini | Implementazione di una piattaforma informatizzata di pazienti “real-life” e progettazione e sviluppo di tool prognostici in onco-ematologia mediante tecniche di Machine-Learning. |
|
Dr. Domenico Galetta | Stratificazione prognostica nel carcinoma polmonare non a piccole cellule localmente avanzato non resecabile e valutazione della risposta al trattamento di chemio-radioterapia: applicazioni di tecnologie di intelligenza artificiale. |
| Dr. Domenico Galetta | Sviluppo di modelli predittivi della risposta alla terapia di prima linea in pazienti affetti da mesotelioma pleurico non resecabile mediante tecniche di intelligenza artificiale |
| Ing. Vito Angiulli | Applicazione di Intelligenza Artificiale ai PDTA applicati dal medico oncologo del CORO. |
| Ing. Vito Angiulli | Implementazione del progetto “datawareomics”: attività di importazione dei dati omici all’interno del “data-lake” e sviluppi di algoritmi di machine-learning |
| Dr.ssa Annarita Fanizzi
| Studio e sviluppo di un modello di intelligenza artificiale per guidare il trattamento adiuvante nei pazienti con rischio intermedio, carcinoma mammario positivo ai recettori ormonali HER2 negativo: analisi radio-genimica e previsione del EndoPredict Recurrence Score Risk |
|
Dr.ssa Annarita Fanizzi
| Sviluppo di uno strumento radiomic-based di supporto alle scelte terapeutiche per pianificazione e monitoraggio dell'efficacia della immunoterapia anti PD-(L)1 in pazienti affetti da Non SmallCellLung Cancer (NSCLC) in stadio avanzato |
| Dr.ssa Simona De Summa
| Trascsittomica a singola cellula e patomica nel carcinoma del colon |
| Dr.ssa Raffaella Massafra | Predizione di pneumopatie in pazienti con carcinoma polmonare non a piccole cellule (NSCLC) in stadio III chemio-radio trattati mediante tecniche di intelligenza artificiale su dati clinici e di imaging |
| Dr.ssa Raffaella Massafra | Previsione di radio-tossicità e HPV status in pazienti affetti ca cancro orofaringeo localmente avanzato. |
| Dr.ssa Raffaella Massafra | Modelli di Intelligenza Artificiale per la previsione dello stato linfonodale e della ricorrenza di malattia in pazienti affetti da melanoma T2-4 basato su digital pathology |
|
Dr.ssa Agnese Latorre | Sviluppo di un sistema di supporto per la previsione dello stato linfonodale in pazienti affetti da carcinoma della mammella basato sull’analisi delle immagini ecografiche mediante tecniche di intelligenza artificiale. |
|
Dr. Francesco Giotta | Impiego di modelli di intelligenza artificiale mediante machine learning per individuare features di outcomes clinici quali sopravvivenza libera da progressione e sopravvivenza globale in pazienti affette da carcinoma mammario localmente avanzato metastatico HR+/HER2- trattate con l’associazione inibitori delle ciclino-chinasi 4/6 e ormonoterapia |
|
Dr.ssa Agnese Latorre | Impiego di modelli di intelligenza artificiale per valutare mediante features radio miche l’efficacia della terapia neoadiuvante a singolo o doppio blocco anti HER-2 in combinazione a chemioterapia in pazienti con carcinoma mammario HER-2-positivo |
| Dr. Alfredo Zito | Realizzazione di un algoritmo di Intelligenza Artificiale su preparati istologici di pazienti con carcinoma mammario Luminal B HER2 negativo come surrogato al test genomico Endopredict |
| Dr. Alfredo Zito | Identificazione di un algoritmo di Intelligenza Artificiale per migliorare l'accuratezza diagnostica delle neoplasie mieloproliferative in fase iniziale su biopsie osteomidollari |
|
Dr. Attilio Guarini | Implementazione di una piattaforma informatizzata di pazienti “real-life” e progettazione e sviluppo di tool prognostici in onco-ematologia mediante tecniche di Machine-Learning. |
|
Dr. Domenico Galetta | Stratificazione prognostica nel carcinoma polmonare non a piccole cellule localmente avanzato non resecabile e valutazione della risposta al trattamento di chemio-radioterapia: applicazioni di tecnologie di intelligenza artificiale. |
| Dr. Domenico Galetta | Sviluppo di modelli predittivi della risposta alla terapia di prima linea in pazienti affetti da mesotelioma pleurico non resecabile mediante tecniche di intelligenza artificiale |
| Ing. Vito Angiulli | Applicazione di Intelligenza Artificiale ai PDTA applicati dal medico oncologo del CORO. |
| Ing. Vito Angiulli | Implementazione del progetto “datawareomics”: attività di importazione dei dati omici all’interno del “data-lake” e sviluppi di algoritmi di machine-learning |
| Dr.ssa Annarita Fanizzi
| Studio e sviluppo di un modello di intelligenza artificiale per guidare il trattamento adiuvante nei pazienti con rischio intermedio, carcinoma mammario positivo ai recettori ormonali HER2 negativo: analisi radio-genimica e previsione del EndoPredict Recurrence Score Risk |
|
Dr.ssa Annarita Fanizzi
| Sviluppo di uno strumento radiomic-based di supporto alle scelte terapeutiche per pianificazione e monitoraggio dell'efficacia della immunoterapia anti PD-(L)1 in pazienti affetti da Non SmallCellLung Cancer (NSCLC) in stadio avanzato |
| Dr.ssa Simona De Summa
| Trascsittomica a singola cellula e patomica nel carcinoma del colon |
| Dr.ssa Raffaella Massafra | Predizione di pneumopatie in pazienti con carcinoma polmonare non a piccole cellule (NSCLC) in stadio III chemio-radio trattati mediante tecniche di intelligenza artificiale su dati clinici e di imaging |
| Dr.ssa Raffaella Massafra | Previsione di radio-tossicità e HPV status in pazienti affetti ca cancro orofaringeo localmente avanzato. |
| Dr.ssa Raffaella Massafra | Modelli di Intelligenza Artificiale per la previsione dello stato linfonodale e della ricorrenza di malattia in pazienti affetti da melanoma T2-4 basato su digital pathology |
|
Dr.ssa Agnese Latorre | Sviluppo di un sistema di supporto per la previsione dello stato linfonodale in pazienti affetti da carcinoma della mammella basato sull’analisi delle immagini ecografiche mediante tecniche di intelligenza artificiale. |
|
Dr. Francesco Giotta | Impiego di modelli di intelligenza artificiale mediante machine learning per individuare features di outcomes clinici quali sopravvivenza libera da progressione e sopravvivenza globale in pazienti affette da carcinoma mammario localmente avanzato metastatico HR+/HER2- trattate con l’associazione inibitori delle ciclino-chinasi 4/6 e ormonoterapia |
|
Dr.ssa Agnese Latorre | Impiego di modelli di intelligenza artificiale per valutare mediante features radio miche l’efficacia della terapia neoadiuvante a singolo o doppio blocco anti HER-2 in combinazione a chemioterapia in pazienti con carcinoma mammario HER-2-positivo |
