Prevedere il rischio di osteoporosi e con l’AI e machine learning

Novembre 5, 2024 DARE, pilot trial, Progetto Prevedere il rischio di osteoporosi e con l’AI e machine learning L’osteoporosi, una malattia muscoloscheletrica spesso riscontrata negli anziani, è una delle principali cause di disabilità e riduzione della qualità della vita. Caratterizzata da una scarsa resistenza e qualità ossea, questa condizione aumenta significativamente il rischio di fratture, in particolare negli adulti fragili, portando a gravi perdite di mobilità e indipendenza. A complicare ulteriormente il quadro vi è la sarcopenia, un’atrofia muscolare generalizzata che spesso accompagna l’osteoporosi e indebolisce ulteriormente il corpo. Per molti, la prima manifestazione dell’osteoporosi è una frattura, quando ormai la malattia ha già causato danni sostanziali. I trattamenti attuali si concentrano sul rallentare la progressione dell’osteoporosi una volta che si è verificata una frattura. Tuttavia, la chiave per ridurre l’impatto della malattia sta nella diagnosi precoce. Rilevare la malattia prima delle fratture permetterebbe interventi preventivi, riducendo sia le sofferenze individuali che l’onere sui sistemi sanitari. È qui che entrano in gioco strumenti di analisi avanzati come il machine learning, l’intelligenza artificialee il data mining, tecnologie con il potenziale di trasformare il modo in cui diagnostichiamo e gestiamo l’osteoporosi. Il gruppo del Prof. Umberto Tarantino del Dipartimento di Scienze Cliniche e Medicina Traslazionale dell’Università di Roma Tor Vergata sta sviluppando un approccio che integra modelli di machine learning con le tecniche diagnostiche esistenti, come l’imaging e l’analisi dei biomarcatori, per identificare potenziali segnali precoci di osteoporosi e predire il rischio di fratture. Diagnosi precoce e prevenzione delle fratture L’obiettivo principale di questa ricerca innovativa è utilizzare AI e ML per correlare dati molecolari e di imaging, al fine di identificare potenziali biomarcatori di osteoporosi e sarcopenia. I biomarcatori sono indicatori biologici che possono aiutare a rilevare le malattie in modo più precoce e accurato. Attraverso la biologia cellulare, la biologia molecolare e l’istologia, i ricercatori puntano a scoprire nuovi biomarcatori che possano segnalare le prime fasi dell’osteoporosi. In particolare, il team sta analizzando cellule per valutare marker legati all’invecchiamento cellulare, alla funzione mitocondriale e allo stress ossidativo, fattori chiave per la salute ossea e muscolare. Inoltre, stanno esaminando biomarcatori sierici e utilizzando tecniche istologiche per studiare l’architettura del tessuto osseo e muscolare, alla ricerca di segni di deterioramento. Imaging avanzato e stratificazione del rischio Le tecnologie di imaging sono già ampiamente utilizzate per valutare la salute ossea, ma combinando queste immagini con dati molecolari attraverso il machine learning è possibile ottenere una valutazione molto più precisa del rischio di frattura di un individuo. L’AI potrebbe individuare pattern sottili nelle immagini, invisibili all’occhio umano, che potrebbero indicare precocemente l’osteoporosi o la sarcopenia. Una volta identificati questi pattern e correlati con i biomarcatori molecolari, diventa possibile stratificare i pazienti in base al rischio di fratture da fragilità, consentendo ai fornitori di assistenza sanitaria di intervenire con trattamenti personalizzati, adattati al profilo di rischio specifico del paziente. Articolo precedenteArticolo successivo torna su
Una tecnologia di trial In-Silico per valutare l’efficacia delle strategie di intervento nella prevenzione delle fratture dell’anca

Ottobre 25, 2024 DARE, pilot trial, Progetto Una tecnologia di trial In-Silico per valutare l’efficacia delle strategie di intervento nella prevenzione delle fratture dell’anca Con l’avanzare dell’età, le nostre ossa perdono naturalmente densità e forza, aumentando il rischio di fratture, in particolare nelle aree vulnerabili come l’anca. Le fratture dell’anca sono una preoccupazione seria per gli anziani, spesso causate da una combinazione di fragilità ossea e una maggiore probabilità di caduta. Questo ha portato i ricercatori a concentrarsi su due principali strategie di prevenzione: ridurre la perdita ossea e prevenire le cadute. Tradizionalmente, gli interventi per prevenire la perdita ossea hanno incluso integratori alimentari, farmaci ed esercizio fisico. Tuttavia, ci sono prove crescenti che la prevenzione delle cadute possa essere una strategia più efficace per alcuni individui. Interventi ambientali (ad esempio, rimuovere ostacoli che favoriscono le cadute) e programmi di esercizi personalizzati hanno il potenziale di ridurre significativamente i rischi di caduta, specialmente in alcune popolazioni. Per comprendere meglio e ottimizzare queste strategie di prevenzione, il gruppo di ricerca In Silico Medicine del Prof. Marco Viceconti dell’Università di Bologna, in collaborazione con l’Istituto Ortopedico Rizzoli, ha sviluppato un nuovo strumento chiamato BoneStrength. Questa tecnologia di trial in silico simula gli effetti di diversi interventi su pazienti virtuali, permettendo ai ricercatori di testare varie strategie in un ambiente controllato basato su computer. L’obiettivo finale è sviluppare un metodo che possa prevedere quali strategie—focalizzate sulla riduzione della perdita ossea o sulla prevenzione delle cadute—saranno più efficaci nel ridurre le fratture dell’anca in diversi gruppi di persone. Il progetto pilota mira a validare BoneStrength confrontando l’incidenza delle fratture dell’anca attraverso diverse strategie di prevenzione, includendo sia interventi per rafforzare le ossa sia per prevenire le cadute. Simulando diversi scenari utilizzando dati reali, lo strumento aiuterà i ricercatori a determinare quale combinazione di approcci porta ai tassi più bassi di fratture. Con l’invecchiamento della popolazione, soluzioni come BoneStrength potrebbero avere un impatto decisivo nel migliorare la qualità della vita e ridurre i costi sanitari. Fornendo un modo rapido ed efficace per valutare più strategie, questa tecnologia potrebbe aiutare i professionisti della salute a prendere decisioni più informate, portando a risultati più sicuri e salutari per gli anziani. Articolo precedenteArticolo successivo torna su
Monitoraggio dell’Osteoporosi: Una Tecnologia di Digital Twin per il Rischio di Fratture da Fragilità Ossea

Ottobre 18, 2024 DARE, pilot trial, Progetto Monitoraggio dell’Osteoporosi: Una tecnologia di Digital Twin per il rischio di fratture da fragilità osse I nostri partner dell’Istituto Ortopedico Rizzoli, guidati da Fabio Baruffaldi, stanno rivoluzionando la gestione dell’osteoporosi con lo sviluppo di una tecnologia Digital Twin. Questo progetto impiega la tecnologia avanzata di Digital Twin, nello specifico il BBCT-hip, per valutare il rischio di fratture da fragilità nei pazienti osteoporotici, con un focus particolare sulle donne in post-menopausa. Cosa stanno facendo Lo studio pilota utilizzerà il BBCT-hip, una metodologia avanzata in silico basata su scansioni CT e modelli biomeccanici dell’anca, in un contesto clinico prospettico per valutarne la capacità predittiva rispetto alle tradizionali misurazioni della densità minerale ossea (BMD). Lo studio si concentrerà su un gruppo di donne in post-menopausa affette da osteoporosi e osteopenia, con l’obiettivo di fornire una valutazione del rischio di frattura più accurata e personalizzata. Fornendo previsioni più precise, questa tecnologia mira a ridurre significativamente l’incidenza delle fratture dell’anca, che rappresentano una preoccupazione importante per le persone affette da osteoporosi. La metodologia BBCT-hip offre un approccio innovativo che potrebbe superare le tradizionali misurazioni BMD, fornendo a pazienti e operatori sanitari strumenti migliori per gestire l’osteoporosi. Perché è importante L’obiettivo principale del progetto pilota è sviluppare e validare questa tecnologia digitale per la gestione personalizzata dell’osteoporosi. Migliorando la previsione del rischio di frattura, mira a migliorare l’assistenza ai pazienti, ridurre i costi sanitari e migliorare la qualità della vita di coloro che sono affetti da osteoporosi. Articolo precedenteArticolo successivo torna su
Rivoluzionare la prevenzione del cancro con tecnologie digitali avanzate

Ottobre 11, 2024 DARE, pilot trial, Progetto Rivoluzionare la prevenzione del cancro con tecnologie digitali avanzate I nostri partner dell’Università di Palermo, coordinati dal Dott. Mazzucco, stanno lavorando per creare un sistema di sorveglianza interoperabile avanzato che unisce i dati dei registri tumori con quelli dei sistemi di monitoraggio ambientale. Quali sono gli obiettivi principali? Integrazione dei Dati: Unire i dati dei registri tumori con le informazioni raccolte dai sistemi di monitoraggio ambientale (inclusi i dati di esposizione individuale e e di gruppo misurati tramite sensori), per creare un quadro completo dei fattori di rischio del cancro. Sorveglianza Avanzata: creare un Centro di Ricerca per la Prevenzione Digitale per supportare le autorità sanitarie locali e nazionali, migliorando la sorveglianza del cancro e le pratiche di monitoraggio ambientale. Aree ad Alto Rischio: focalizzarsi sulle Aree ad Elevato Rischio di Crisi Ambientale (AERCA) in Sicilia, in particolare rilevando carcinogeni come benzene e arsenico nell’aria, sia esterna che interna. Strategie Innovative di Prevenzione: implementare nuove funzioni digitali e strategie per minimizzare l’impatto degli inquinanti ambientali sulla salute della comunità. Perché è importante? Analizzando grandi quantità di dati, è possibile comprendere meglio il legame tra il cancro e l’esposizione agli inquinanti ambientali, migliorare i sistemi di monitoraggio e correlare i dati ambientali con le scoperte epidemiologiche e le problematiche di salute pubblica. Progettare una governance integrata tra salute pubblica e ambiente per mitigare gli effetti degli inquinanti ambientali e ridurre l’incidenza del cancro porterà a comunità più sane. Articolo precedenteArticolo successivo torna su