Ascolta

 

1. Titolo del Progetto

"Inherited Disorders of lipoprotEin metAboLism: Leveraging artificial Intelligence For Enhanced diagnosis and management - IDEAL-LIFE"

Acronimo: IDEAL-LIFE

 

2. Responsabile Scientifico e Unità Coinvolte

Istituzione coordinatrice	Sede 1 Ente: Dipartimento di Scienze Farmacologiche e Biomolecolari, UNIVERSITA' DEGLI STUDI DI MILANO Responsabile: CALABRESI Laura Finanziamento: 108.893,00 €
Unità 2 – Associated Investigator	Sede 2 Ente: Università degli Studi di PALERMO Responsabile: CEFALU' Angelo Baldassare Finanziamento: 71.523,00 €
Durata del progetto	24 mesi
Finanziamento totale	180.416,00 €

 

Il progetto IDEAL-LIFE (Inherited Disorders of lipoprotein metabolism: Leveraging artificial Intelligence For Enhanced diagnosis and management) è un'iniziativa pionieristica di ricerca biomedica. È guidato da ricercatori del Dipartimento di Scienze Farmacologiche e Biomolecolari dell'Università degli Studi di Milano.

3.1. La scienza alla base di IDEAL-LIFE

• Disordini congeniti del metabolismo delle lipoproteine: i disordini ereditari del trasporto e metabolismo delle lipoproteine (es: deficit di LCAT, FCS e HoFH) compromettono la capacità dell'organismo di sintetizzare, catabolizzare o trasportare i lipidi, aumentando notevolmente il rischio di aterosclerosi precoce e pancreatite acuta.
• Il ruolo dell'IA: i disordini congeniti del metabolismo richiedono set di dati estremamente complessi per una diagnosi definitiva.
• Gli algoritmi di apprendimento automatico e le reti neurali analizzano i dati genetici e metabolomici in modo più rapido e preciso rispetto ai sistemi di punteggio tradizionali, prevenendo diagnosi mancate e riducendo i risultati genetici inconcludenti.

Per ulteriori informazioni sul quadro generale che combina la ricerca computazionale e lipidomica, è possibile consultare studi peer-reviewed su PubMed Central o aggiornamenti istituzionali ufficiali dell'Università degli Studi di Milano.

 

• Diagnosi precoce: Utilizzo dell'Intelligenza Artificiale (IA) per migliorare la precisione diagnostica di patologie ereditarie rare del metabolismo lipidico e lipoproteico (come l'ipercolesterolemia familiare e il deficit di lipasi lipoproteica).
• Stratificazione del rischio: Integrazione di dati multi-omici, genomici e clinici per prevedere con maggiore precisione il rischio cardiovascolare e di pancreatite associato a queste condizioni su base genetica.
• Gestione personalizzata: Progressi verso la medicina di precisione attraverso la creazione di modelli algoritmici predittivi che ottimizzano tempi e modalità di somministrazione degli interventi medici ai pazienti.

 

• Creazione di un database condiviso: in Corso di implementazione
• Disegno del Sistema analisi mediante AI: in corso di sviluppo