• BitMAT
  • BitMATv
  • Top Trade
  • Linea EDP
  • Itis Magazine
  • Industry 5.0
  • Sanità Digitale
  • ReStart in Green
  • Contattaci
Close Menu
Sanità DigitaleSanità Digitale
    Facebook X (Twitter) LinkedIn Instagram Vimeo RSS
    lunedì, 8 Settembre
    Trending
    • Aziende biopharma: qualità farmaceutica e regolatoria nell’era dell’AI
    • Centro Analysis installa la Risonanza Magnetica 3T di GE HealthCare
    • “AI Meets Medicine”: l’Hackathon di Elty che unisce tecnologia e medicina
    • Engineering: finanziamento IPCEI da 64 milioni per lo sviluppo di Opoh
    • IQVIA e Veeva: partnership a lungo termine in ambito clinico e commerciale
    • Giocare ai videogiochi: consigli per preservare la propria salute
    • Payback dispositivi medici: approvata riduzione al 25%, ma non basta
    • 3D Systems verso nuove frontiere della medicina rigenerativa
    Facebook X (Twitter) LinkedIn Instagram Vimeo RSS
    Sanità DigitaleSanità Digitale
    • Home
    • Cura
    • Tendenze
    • Riabilitazione
    • No Limits
    • Incontri
    Sanità DigitaleSanità Digitale
    Sei qui:Home»Cura»Malattie neuromuscolari ereditarie: AI protagonista
    Updated:22 Giugno 2023

    Malattie neuromuscolari ereditarie: AI protagonista

    By Redazione BitMAT21 Giugno 20233 Mins Read
    Facebook LinkedIn Twitter WhatsApp Telegram Reddit Email

    In partenza CoMPaSS-NMD, un progetto europeo guidato dall’Università di Modena e Reggio Emilia, in cui l’AI supporterà i medici nella diagnosi e il monitoraggio delle malattie neuromuscolari e nella progettazione di percorsi terapeutici personalizzati

    AI intelligenza artificiale-Malattie neuromuscolari

    Si è svolto il 5 e 6 giugno nella Sala Ex Oratorio del Palazzo dei Musei di Modena il Kick Off Day del progetto CoMPaSS-NMD – Computational Models for new Patients Stratification Strategies of Neuromuscular Disorders – finanziato dal programma Horizon Europe della Commissione Europea e coordinato dall’Università di Modena e Reggio Emilia (Unimore). Il progetto mira a sviluppare strumenti innovativi e universali per la diagnosi, il monitoraggio e il trattamento più accurato e personalizzato di pazienti affetti da malattie neuromuscolari ereditarie (HNMD). Grazie a tecniche avanzate di clustering, CoMPaSS-NMD identificherà gruppi di pazienti con caratteristiche cliniche simili.

    Le malattie neuromuscolari ereditarie si verificano spesso nei giovani, causando disabilità a lungo termine e morte prematura. Queste condizioni implicano un basso livello di partecipazione dei pazienti, necessità di assistenza permanente e possono richiedere un intervento istituzionale a lungo termine.

    Il progetto, coordinato da Rossella Tupler, genetista di Unimore, coinvolge sei centri clinici (specializzati in biotecnologie, ICT, Intelligenza Artificiale, etica e legale) presenti in Italia, Francia, Germania, Finlandia, Regno Unito. Sono presenti inoltre quattro partner industriali, tutti operanti nel contesto della rete di riferimento europea per le malattie neurologiche rare. Questi centri forniranno i dati multidimensionali (clinici, genetici, istopatologici e di risonanza magnetica) che saranno elaborati per identificare gruppi di pazienti simili mediante strumenti computazionali basati su algoritmi di intelligenza artificiale.

    CoMPaSS-NMD implementerà nuove tecniche basate sull’apprendimento automatico e su nuovi parametri specifici per i disturbi neuromuscolari, per analizzare meglio e più velocemente le immagini istopatologiche. L’adozione di questo approccio multidimensionale incentrato sul paziente ha il potenziale per aumentare il tasso diagnostico di HNMD del 30% e promuovere azioni efficaci da parte dei sistemi sanitari nazionali europei.

    Come risultato principale del progetto, la piattaforma CoMPaSS-NMD Atlas sarà un’applicazione basata sull’intelligenza artificiale che fornirà una precisa caratterizzazione clinica e diagnostica, con un forte impatto sulla ricerca in questo settore e sull’assistenza sanitaria europea.

    Il progetto, il cui finanziamento è di quasi 6 milioni di euro, rilascerà linee guida per la gestione del paziente per offrire uno standard di cura superiore per la diagnosi, la prognosi e la pianificazione delle sperimentazioni cliniche.

    Rossella Tupler ha sottolineato che: “La diagnosi delle malattie neuromuscolari degenerative non è semplice. Un’alta percentuale di pazienti restano non diagnosticati o diagnosticati molto tardi perché le informazioni che derivano dai loro dati clinici sono frammentarie e parziali. È necessario, quindi, trovare un modo per usare efficacemente i dati dei pazienti così da capire in fretta cosa sta accadendo e intervenire tempestivamente con un adeguato piano terapeutico. CoMPaSS guarda al futuro volendo sviluppare un sistema di classificazione dei pazienti che sfrutti l’intelligenza artificiale a supporto dei medici, aiutandoli a elaborare dati molto complessi e a capire rapidamente la direzione diagnostica e terapeutica da intraprendere”.

    Durante il primo incontro del 5 e 6 giugno a Modena, i partner del progetto hanno avuto l’opportunità di conoscersi, condividere obiettivi generali e specifici, individuando le strategie più efficaci in vista della loro attuazione nei prossimi quattro anni di lavoro congiunto.

    Deep Blue si occuperà di facilitare l’introduzione del nuovo sistema basato su intelligenza artificiale nella routine quotidiana dei medici, nell’iter diagnostico e terapeutico, con particolare attenzione ai relativi aspetti critici: nello specifico, sicurezza, trasparenza e responsabilità nell’uso dei dati dei pazienti. La PMI italiana è, inoltre, leader della comunicazione del progetto, della divulgazione dei risultati e del coinvolgimento degli stakeholders dalla fase di sviluppo fino alla fase di lancio sul mercato e utilizzo del sistema da parte degli utenti finali.

    CoMPaSS-NMD intelligenza artificiale malattie neuromuscolari Università di Modena e Reggio Emilia
    Share. Facebook LinkedIn Twitter WhatsApp Telegram Reddit Email

    Correlati

    3D Systems verso nuove frontiere della medicina rigenerativa

    7 Agosto 2025

    Cancro al polmone: nuove prospettive arrivano da intelligenza artificiale e immunoterapia

    30 Luglio 2025

    AQ, l’app healthcare basata sull’AI di Ant Group, raggiunge i 100 milioni di utenti

    30 Luglio 2025
    Newsletter

    Iscriviti alla Newsletter per ricevere gli aggiornamenti dai portali di BitMAT Edizioni.

    BitMATv – I video di BitMAT
    ExpertBook P5, il notebook con l’AI integrata
    La tua fabbrica è resiliente?
    Legrand Data Center al Data Center Nation per parlare del data center del futuro!
    Snom: focus su tecnologia e partner
    Cumulabilità Transizione 5.0 e ZES: i vantaggi del Litio
    Più Letti

    Aziende biopharma: qualità farmaceutica e regolatoria nell’era dell’AI

    4 Settembre 2025

    Centro Analysis installa la Risonanza Magnetica 3T di GE HealthCare

    3 Settembre 2025

    “AI Meets Medicine”: l’Hackathon di Elty che unisce tecnologia e medicina

    2 Settembre 2025

    Engineering: finanziamento IPCEI da 64 milioni per lo sviluppo di Opoh

    25 Agosto 2025
    Chi Siamo
    Chi Siamo

    BitMAT Edizioni è una casa editrice che ha sede a Milano con una copertura a 360° per quanto riguarda la comunicazione online ed offline rivolta agli specialisti dell'lnformation & Communication Technology.

    Facebook X (Twitter) Instagram Vimeo LinkedIn RSS
    NAVIGAZIONE
    • Cura
    • Tendenze
    • Riabilitazione
    • No Limits
    • Incontri
    Ultime

    Aziende biopharma: qualità farmaceutica e regolatoria nell’era dell’AI

    4 Settembre 2025

    Centro Analysis installa la Risonanza Magnetica 3T di GE HealthCare

    3 Settembre 2025

    “AI Meets Medicine”: l’Hackathon di Elty che unisce tecnologia e medicina

    2 Settembre 2025
    • Contattaci
    • Cookies Policy
    • Privacy Policy
    • Redazione
    © 2012 - 2025 BitMAT Edizioni - P.Iva 09091900960 - tutti i diritti riservati Iscrizione al tribunale di Milano n° 295 del 28-11-2018 Testata giornalistica iscritta al ROC

    Type above and press Enter to search. Press Esc to cancel.