DataHealth sviluppa una piattaforma innovativa che combina cloud computing, intelligenza artificiale, crittografia avanzata e anonimizzazione dinamica per migliorare la gestione, l’integrazione e la condivisione sicura dei dati clinici, a supporto della ricerca biomedica. La sperimentazione sarà focalizzata sul carcinoma mammario triplo negativo e HER2 positivo, con l’obiettivo di migliorare l’efficacia dei trattamenti e ridurne le tossicità nella pratica clinica.

Per saperne di più

RecoverAI è un progetto di ricerca e sviluppo che mira a migliorare la continuità assistenziale nella fase post-dimissione attraverso l’impiego di soluzioni di Intelligenza Artificiale Simbiotica, concepite come strumenti di supporto e non sostitutivi dell’intervento umano. Il progetto sarà applicato a due contesti clinici principali: le pazienti oncologiche dimesse dopo chirurgia mammaria e i caregiver di pazienti affetti da disturbo neurocognitivo minore o disturbo neurocognitivo maggiore di grado lieve.

RecoverAI integra - all’interno di una piattaforma digitale progettata per affiancare pazienti, caregiver e operatori sanitari nel periodo più critico del rientro a domicilio - sistemi conversazionali, monitoraggio psicologico ed emotivo, servizi informativi basati su contenuti clinici validati, supporto motivazionale all’attività fisica e un sistema di light therapy.

IEO è responsabile del Work Package dedicato alla validazione della piattaforma digitale nelle pazienti in dimissione dopo chirurgia mammaria.

I risultati attesi includono una migliore comprensione del percorso di cura da parte dei pazienti, una riduzione del carico comunicativo sul personale sanitario, un supporto più continuo al benessere psicofisico e una maggiore aderenza consapevole alle indicazioni cliniche, favorendo un modello di assistenza più sostenibile, personalizzato e centrato sulla persona.

Capofila del progetto: Exprivia S.p.a.

Responsabile scientifico per l’Istituto Europeo di Oncologia srl: Prof.ssa Gabriella Pravettoni, Direttore Psico-oncologia.

Ecosistema di Innovazione di riferimento del progetto: Salute e Life Science.

ReGenera è un progetto di ricerca industriale e sviluppo sperimentale nato dalla collaborazione tra Istituto Europeo di Oncologia (IEO), Etichub, URAI e Pink Frogs Cosmetics con l’obiettivo di migliorare la qualità della vita dei pazienti oncologici attraverso un approccio innovativo, personalizzato e sostenibile.

Il progetto prevede la raccolta e l’analisi di dati clinici e biofisici provenienti da un ampio gruppo di pazienti oncologici, mediante metodologie non invasive e strumenti di bioingegneria cutanea. Le informazioni raccolte consentiranno di caratterizzare in modo approfondito gli effetti delle diverse terapie oncologiche sulla pelle e sugli annessi cutanei, creando una base scientifica per lo sviluppo di interventi personalizzati.

Sulla base di tali evidenze verranno selezionate materie prime innovative, sicure e sostenibili per realizzare formulazioni cosmetiche e nutraceutiche specificamente progettate per le esigenze dei pazienti oncologici. I prodotti saranno sviluppati secondo principi di eco-design, con particolare attenzione alla sicurezza, all’efficacia e alla riduzione dell’impatto ambientale lungo l’intero ciclo di vita.

Un elemento distintivo di ReGenera è la realizzazione di una piattaforma tecnologica avanzata che integrerà dati clinici, biofisici e formulativi per supportare decisioni personalizzate. Attraverso algoritmi predittivi e strumenti digitali di supporto decisionale, la piattaforma sarà in grado di suggerire i trattamenti cosmetici e nutraceutici più appropriati e di monitorare nel tempo l’evoluzione delle condizioni dermatologiche del paziente, sia in ambiente ospedaliero sia a domicilio.

Parallelamente, il progetto promuove un modello di innovazione sostenibile, adottando metodologie di valutazione ambientale basate sul Life Cycle Assessment (LCA), strategie di riduzione delle emissioni e processi produttivi a basso impatto ambientale. L’obiettivo è coniugare salute, innovazione e sostenibilità, contribuendo allo sviluppo di una nuova generazione di prodotti dedicati all’oncologia di supporto.

Il progetto prevede il coinvolgimento di 300-500 pazienti oncologici per la raccolta e l’analisi dei dati clinici e biofisici. Saranno sviluppate e validate 15 formulazioni cosmetiche e nutraceutiche personalizzate, accompagnate da protocolli di utilizzo basati su evidenze scientifiche. Verrà inoltre realizzata una piattaforma digitale di supporto decisionale per il monitoraggio continuo e la personalizzazione dei trattamenti. ReGenera punta a migliorare il benessere e la qualità della vita dei pazienti, incrementare l’efficacia degli interventi di supporto e ridurre l’impatto ambientale delle formulazioni attraverso soluzioni innovative e sostenibili.

Work Packages (WP)

WP1 – Analisi clinica e biofisica dei pazienti oncologici

Raccolta di dati clinici e biofisici su pelle, capelli e unghie di 300-500 pazienti oncologici. Creazione di un database strutturato e identificazione delle principali problematiche dermatologiche associate alle terapie.

WP2 – Selezione delle materie prime e sviluppo formulativo

Scouting e valutazione di ingredienti cosmetici e nutraceutici innovativi, sicuri e sostenibili. Progettazione e realizzazione di 15 formulazioni personalizzate e validazione preliminare di stabilità e sicurezza.

WP3 – Validazione clinica, sostenibilità e industrializzazione

Valutazione dell’efficacia e della sicurezza delle formulazioni attraverso studi e test dedicati. Ottimizzazione dei processi produttivi, analisi LCA, riduzione della carbon footprint e definizione di modelli industriali sostenibili.

WP4 – Sviluppo della piattaforma digitale di supporto decisionale

Progettazione e implementazione di una piattaforma tecnologica per l’analisi dei dati clinici e biofisici, la generazione di raccomandazioni personalizzate e il monitoraggio continuo delle condizioni dermatologiche dei pazienti.

SAMET si propone di sviluppare una nuova piattaforma che offra servizi digitali avanzati e innovativi per il supporto alla gestione delle cronicità e la promozione della medicina personalizzata, combinando tecnologie omiche e immunologiche con l’intelligenza artificiale (IA), per migliorare l'assistenza sanitaria e personalizzare le terapie, con particolare attenzione a due tematiche di notevole rilevanza sanitaria, sociale ed economica: la sclerosi multipla e l'oncologia. Il progetto risponderà pienamente alla macrotematica S3 dell’ecosistema “SALUTE E LIFE SCIENCE” MT02.1, dato che la nuova piattaforma prototipale integrerà dispositivi innovativi di diagnostica e companion diagnostic, permettendo di monitorare lo stato di salute dei pazienti, prevenire malattie croniche, ottimizzare le terapie, ridurre le complicanze e migliorare il follow-up, attraverso l’analisi di profili genetici, metabolici e immunologici. 

SAMET potrà essere realizzato grazie all’integrazione delle competenze tecnologiche della grande impresa capofila Santer Reply (sui temi dell’IA per la sanità) e della PMI innovativa Comftech (sui dispositivi wearable) con le competenze in ambito clinico degli Organismi di Ricerca partner: Istituto Europeo di Oncologia (IEO) per l’area oncologica e Istituto Neurologico "Carlo Besta" e Fondazione Mondino per la sclerosi multipla.
Nell’ambito della sclerosi multipla, la piattaforma SAMET sfrutterà strumenti per il monitoraggio continuo della patologia e dei suoi sintomi, integrando wearable devices e sistemi di raccolta dati clinici, con l’obiettivo di personalizzare le strategie terapeutiche e ottimizzare la gestione delle cronicità. Utilizzando algoritmi avanzati e tecniche di machine-learning, sarà possibile offrire al territorio un servizio in grado analizzare in tempo reale le informazioni cliniche, omiche e i dati provenienti dal mondo reale, contribuendo così a una prevenzione più efficace delle complicanze e migliorando la qualità della vita dei pazienti.

Parallelamente, per il settore oncologico il progetto si concentrerà sullo studio della risposta ai trattamenti farmacologici in pazienti oncologici. Verrà sviluppato un sistema di stratificazione del rischio che utilizzerà l’IA per classificare i pazienti in diverse categorie di rischio, ottimizzando così le decisioni terapeutiche e migliorando l'efficacia delle cure. Attraverso la raccolta e l'analisi di dati clinici e biologici, la nuova piattaforma contribuirà a fornire strumenti per il trattamento personalizzato della patologia, migliorando l'aderenza ai trattamenti e minimizzando gli effetti collaterali.

La piattaforma SAMET sarà progettata per garantire la raccolta, la gestione e la condivisione sicura dei dati, promuovendo l'interoperabilità tra diverse fonti informative e facilitando l'integrazione di big data nel processo decisionale clinico. L’impatto potenziale del progetto sul territorio sarà molto significativo: SAMET contribuirà a rendere la Regione Lombardia un punto di riferimento dell’innovazione in ambito sanitario, migliorando l'accesso a cure personalizzate, ottimizzando i processi di diagnosi e trattamento e riducendo il carico sul sistema sanitario, potenziandone l’efficienza.

Work Packages (WP)

L'obiettivo principale dell'azione IEO è lo sviluppo e la validazione di modelli computazionali e di apprendimento automatico (machine learning) in grado di prevedere la risposta terapeutica in tre specifici contesti clinici:

• Progetto Linfomi: Previsione della risposta alla terapia con cellule CAR-T (terapie cellulari avanzate) in pazienti con linfomi recidivanti o refrattari, mediante l'utilizzo di profilazione trascrittomica a singola cellula e dati molecolari globali (bulk).

• Progetto Leucemia: Previsione degli esiti clinici post-trapianto allogenico di cellule staminali emopoietiche in pazienti con leucemia mieloide acuta, utilizzando la profilazione trascrittomica a singola cellula e dati molecolari globali (bulk).

• Progetto Tumore al Polmone: Previsione della sensibilità e della resistenza agli inibitori tirosin-chinasici in pazienti con tumore polmonare non a piccole cellule portatori di rare fusioni dei geni ALK, ROS1 e RET, attraverso la modellazione strutturale delle proteine e l'analisi computazionale dell'affinità di legame.

1: Raccolta dei Dati Clinici e Molecolari Identificazione e selezione, su base esclusivamente retrospettiva, dei pazienti per i tre filoni di ricerca. Per tutti i progetti verranno raccolti dati clinici dettagliati, inclusi la diagnosi, i trattamenti precedenti, i parametri terapeutici e gli esiti clinici (come i tassi di risposta terapeutica e i tempi di sopravvivenza libera da progressione della malattia). Per i pazienti dei progetti linfomi e leucemia, i campioni biologici saranno processati per l'analisi di sequenziamento dell'RNA a singola cellula (single-cell RNA sequencing) e per il sequenziamento globale dell'intero esoma (bulk Whole Exome Sequencing). Per il progetto sul tumore al polmone, verranno invece riutilizzati i dati genomici e le cartelle cliniche già esistenti.

2: Analisi delle Sottopopolazioni Cellulari e Predizione Strutturale delle Proteine di Fusione Per i progetti linfomi e leucemia mieloide acuta, i dati derivati dal sequenziamento dell'RNA a singola cellula saranno analizzati mediante tecniche di clustering e riduzione dimensionale, al fine di identificare sottopopolazioni di cellule predittive e nuovi biomarcatori. Parallelamente, per il progetto tumore al polmone non a piccole cellule, verranno impiegati modelli di intelligenza artificiale e di omologia per prevedere la struttura tridimensionale delle proteine di fusione, mentre simulazioni avanzate di dinamica molecolare permetteranno di caratterizzare le alterazioni della forma di queste proteine e le loro proprietà di legame con i farmaci inibitori.

3: Sviluppo di Modelli Predittivi Computazionali Nel contesto dei progetti linfomi e leucemia mieloide acuta, a partire dai profili a singola cellula verranno generati dati trascrittomici sintetici (definiti pseudo-bulk); su questi dati verranno addestrati modelli di machine learning per prevedere la risposta del paziente ai rispettivi trattamenti (terapie CAR-T e trapianto). Per il progetto tumore al polmone non a piccole cellule i descrittori molecolari estratti dalle simulazioni saranno integrati con i dati clinici e genomici per condurre analisi statistiche e sviluppare modelli di apprendimento automatico specifici per la previsione della risposta ai farmaci.

4: Validazione Sperimentale In Vitro I modelli predittivi sviluppati per i progetti linfomi e leucemia mieloide acuta saranno validati su una coorte esterna e indipendente, sfruttando all’incirca 100 campioni di dati di sequenziamento dell'RNA globale. Per il progetto tumore al polmone non a piccole cellule, si svolgerà una validazione sperimentale in laboratorio focalizzata sulle alterazioni dei geni ALK, ROS1 e RET; questa fase comprenderà l'espressione e la produzione delle proteine di fusione ricombinanti, l'esecuzione di test in vitro per misurarne l'affinità di legame con gli inibitori in commercio, lo svolgimento di saggi biologici per valutarne l'attività a seguito del trattamento farmacologico e, infine, l'analisi strutturale dettagliata di tali proteine.

5: Validazione Clinica e Creazione di un Database Integrato I modelli predittivi di tutti e tre i filoni di studio (linfomi, leucemia e tumore al polmone) saranno validati dal punto di vista clinico utilizzando dati reali (real-world data) provenienti dagli esiti clinici dei pazienti. Contestualmente, nell'ambito del progetto tumore al polmone non a piccole cellule, verrà creato un database integrato e strutturato per correlare direttamente le rare fusioni dei geni ALK, ROS1 e RET alle rispettive risposte terapeutiche osservate nei pazienti trattati con gli inibitori tirosin-chinasici.

WP6: Sviluppo della Piattaforma Clinica e Test Pilota: I modelli predittivi sviluppati per i tre progetti (linfomi, leucemia e tumore al polmone) verranno integrati direttamente all'interno dell'infrastruttura software centrale sviluppata dal partner capofila del progetto (Santer Reply). Questa integrazione ha lo scopo di dotare la piattaforma complessiva della capacità di generare referti automatizzati in tempo reale a supporto del personale medico. Infine, saranno condotti dei test pilota in ambiente clinico per valutare l'effettiva usabilità, l'affidabilità e l'utilità pratica degli strumenti predittivi così integrati, confermandone il valore come reale supporto alle decisioni terapeutiche.

Per saperne di più