1. Bando Covid-19

Obiettivo del bando è stata la valorizzazione, accelerazione, e messa in rete di tutte le tecnologie, brevetti, invenzioni, ritrovati tecnologici, medici e scientifici, esperienze e competenze in avanzato stadio di sviluppo presenti nei dipartimenti dell’Università di Trento ed in altri istituti o enti pubblici e privati, nonché a disposizione di ricercatori che abbiano svolto attività di ricerca applicabile alla epidemiologia e virologia con particolare riguardo al virus COVID-19 al fine di facilitare l’avvio e valorizzazione del loro sviluppo.

L’intento del Bando è stato:

- Facilitare l’avvio, la diffusione, lo sviluppo e la valorizzazione di tecnologie ad alto potenziale di sviluppo in ambito diagnostico, terapeutico, strumentazioni mediche, dispositivi medici, informatici, bioinformatici, anche attraverso l’adozione di algoritmi statistici, fisici, matematici utili a ridurre, prevenire, ritardare, curare, diagnosticare l’ulteriore diffusione del c.d. COVID-19.

- Facilitare l’avvio, la diffusione, lo sviluppo e la valorizzazione delle più avanzate tecnologie benchmark finalizzate a dare risposte ai bisogni delle persone garantendo ricadute positive per gli abitanti del Trentino nelle situazioni di pandemia globale.

Pubblicazione del bando: 16 marzo 2020

Scadenza presentazione progetti: 25 marzo 2020

Progetti selezionati

Foto_ Stefano Forti.jpg
Tavola disegno 1.png

Project Manager: Giulia Malfatti

Responsabile scientifico: Stefano Forti

TreC_Televisita

Proponente: Digital Health Lab - Fondazione Bruno Kessler per TrentinoSalute4.0

Inizio progetto: 15 aprile 2020

Termine progetto: 15 ottobre 2020

Durante l'emergenza Covid è emersa la necessità di evitare gli spostamenti sul territorio e gli assembramenti presso le sale d'attesa degli ambulatori limitando la circolazione del virus tra la popolazione. L’obiettivo del progetto TreC_Televisita era di supportare la realizzazione di una soluzione tecnologica specifica per la televisita all’interno della piattaforma TreC, in grado di consentire agli operatori sanitari di erogare servizi di consulenza remota sia nell’ambito della medicina territoriale (Pediatria di Libera Scelta) che ambulatoriale (cardiologia).

Video: TreC TELEVISITA | Un nuovo progetto di FBK per l'accesso alle visite a distanza

Impatto previsto: Lo studio ha consentito di verificare, coinvolgendo un numero definito di partecipanti, la bontà della soluzione tecnologica implementata. Sono stati coinvolti due ambiti clinici distinti: la pediatria di libera scelta con il coinvolgimento di 5 pediatri operanti nel territorio provinciale e di 1 cardiologo specialista ospedaliero. Obiettivo prefissato è il coinvolgimento di 10 pazienti per medico nel corso della sperimentazione.

Impatto raggiunto: Gli obiettivi sono stati raggiunti e ampiamente superati: nel contesto della pediatria di libera scelta sono state svolte 115 televisite e nel contesto della cardiologia sono stati coinvolti 22 pazienti. L'adozione della soluzione ideata ha permesso agli operatori sanitari di poter monitorare e rimanere in contatto con i propri pazienti evitando di riceverli in ambulatorio quando non strettamente necessario. Questa possibilità è stata ben percepita dai partecipanti, che si sono sentiti maggiormente seguiti e accuditi.

Video: TreC TELEVISITA _ report 1 mese di sviluppo

Video: TreC_Cardiologia | report al 3 mese di sviluppo dell'app

Video: TreC - Televisita | Concluso il progetto di telemedicina

Raccolta video di approfondimento

Impatto futuro: Le funzionalità validate nello studio potranno in futuro essere applicate ad altri contesti e in diversi ambiti. Sulla scia di questa prima fase sperimentale, verranno esplorati nuovi ambiti applicativi con l'intento di migliorare le funzionalità individuate e poter rispondere più puntualmente alle esigenze di un maggior numero di cittadini.

Stefano_Merler_2020.jpg

CovidTN Epidemiologia

Proponente: FBK - Center for Health Emergencies

Inizio progetto: 15 aprile 2020

Termine progetto: 15 ottobre 2020

Lo scopo del progetto è quello di mettere a disposizione del decisore pubblico una serie di indicatori scientifici (es. trasmissibilità di SARS-CoV-2, stima dell’effetto degli interventi) con cui pianificare, su base scientifica, la programmazione sanitaria (es. Numero di casi con sintomi clinici, numero di posti in terapia intensiva e ventilazione meccanica) per offrire la miglior cura possibile a tutti i casi di COVID-19.

Video: Epidemiologia e trasmissione COVID-19 in Trentino con Stefano Merler

Video: Covid19: Epidemiologia in Trentino con Stefano Merler _ 1 mese di lavori

Video: Covid19: Epidemiologia in Trentino con Stefano Merler _ 2 mese di ricerca

Video: Epidemiologia in Trentino | Aggiornamento dell'ultimo trimestre

Impatto raggiunto: Le ricadute del progetto hanno riguardato l'intera popolazione italiana, trattandosi di risultati che hanno influito sulle scelte politiche per la gestione di COVID-19.

emanuele_olivetti_lavoro2.jpg

RAVCOV - RAdiology Vs. COVid-19

Proponente: Emanuele Olivetti (capoprogetto, FBK/NILab), Davide Boscaini (FBK/TeV), Gaetano Calabrese (FBK/NILab), Paolo Avesani (FBK/NILab), Gabriele Amorosino (FBK/NILab), Umberto Rozzanigo (APSS Trento), Umberto Caruso (APSS Arco)

Inizio progetto: 15 aprile 2020

Termine progetto: 15 ottobre 2020

Lo scopo del progetto è quello di rendere disponibile ai radiologi dell'Azienda Provinciale per i Servizi Sanitari gli ultimi risultati scientifici in materia di Intelligenza Artificiale applicata alle immagini al torace, per supportare la diagnosi di COVID-19. Sviluppiamo e implementiamo algoritmi per la rilevazione automatica dei pattern COVID-19 nelle immagini a raggi X e TC. Allo stesso tempo li stiamo inserendo in un sistema software di uso immediato che stiamo realizzando per i medici.

Video: RAVCOV | Radiology VS. Covid-19

Impatto previsto: Alla presentazione della domanda lo scopo del progetto era quello di mettere a disposizione dei radiologi trentini recenti strumenti di Intelligenza Artificiale per la diagnosi rapida Covid-19 da immagini RX e TC del torace. L'intento era che i radiologi APSS sperimentassero in prima persona tecniche di deep learning nate dallo sforzo della comunità scientifica internazionale per arginare l'effetto della pandemia. Potenzialmente con l'ulteriore impatto di supportare la diagnosi dei i pazienti in arrivo dal pronto soccorso con problemi respiratori per cui fosse necessario l'imaging RX o TC del torace.

Impatto raggiunto: I tempi stretti del progetto hanno permesso di sviluppare una soluzione server-based che mette a disposizione algoritmi allo stato dell'arte per la diagnosi Covid-19 da immagini RX e TC del torace, accessibili tramite interfaccia web da parte dei radiologi. La valutazione del sistema sui dati trentini da parte dei radiologi APSS Trento e Arco ha richiesto la creazione di un database di immagini dei pazienti sul nostro territorio, che ora conta 275 casi RX e 154 CT. La valutazione ha portato in evidenza la necessità di una "specializzazione" degli algoritmi sui dati del territorio trentino, tutt'ora in corso.

Video: RAVCOV | Radiology VS. Covid19 _ 1 mese di sviluppo

Video: RAVCOV | Radiology VS Covid19 _ 2 mese di sviluppo

Video: 3° mese RAVCOV | Radiology VS. Covid19

Video: RAVCOV | La piattaforma per l'analisi e diagnosi di covid19 è online

Impatto futuro: La diagnosi Covid-19 rimane di grande interesse nella gestione della pandemia per cui, una volta risolto il problema della specializzazione degli algoritmi sui dati del territorio trentino, è possibile far completare la sperimentazione delle tecniche di deep learning proposte dalla comunità scientifica ai radiologi sul territorio. Quanto fatto ha comunque avuto l'effetto di esporre i radiologi coinvolti (Trento, Arco) a tecniche di Intelligenza Artificiale per la diagnosi da immagini al torace e le relative problematiche coinvolte. A valle di questa prima esperienza, i radiologi possono ora valutare i primissimi strumenti in materia di supporto alla diagnosi Covid-19 da immagini RX e CT che vengono immessi sul mercato in questo e nel prossimo periodo dalle aziende che si occupano di strumentazione biomedica/radiologica. Non ultimo, le funzionalità del server del progetto RAVCOV sono ora ulteriormente sviluppate per ulteriori patologie all'interno di un altro progetto collegato, AIMED (Artificial Intelligence in MEDicine), finanziato da Fondazione VRT.

libertario-demi800x.jpg

COMPUTER-AIDED LUNG ULTRASOUND IMAGING FOR THE MANAGEMENT OF PATIENTS AFFECTED BY COVID-19

Proponente: Libertario Demi/Università di Trento/Dipartimento di Ingengeria e Scienza dell'Informazione/ Ultrasound Laboratory Trento

Inizio progetto: 15 aprile 2020

Termine progetto: 1 giugno 2021

L’obiettivo del progetto ICLUS è quello di sviluppare un sistema di valutazione, stratificazione, monitoraggio e refertazione automatica di pazienti con polmonite da COVID-19 utilizzando tecniche di intelligenza artificiale applicate all’analisi di immagini ecografiche. ICLUS definisce un protocollo di misura specifico per i settaggi ottimali degli strumenti ecografici, i 14 punti di acquisizione e un sistema di scoring a 4 livelli per stabilire la gravità dei pazienti. ICLUS ha raccolto un database di ultrasonografie polmonari vasto, completo e strutturato dal quale si possono approfondire i vari stati di progressione della patologia, la velocità della stessa e l’efficacia delle tecniche terapeutiche utilizzate.

Video: ICLUS - Computer-aided lung ultrasound imaging for the management of patients affected by covid-19

Impatto previsto: Il progetto ha visto la collaborazione di svariati centri clinici, accademici e di aziende a livello internazionale (https://www.disi.unitn.it/it/iclus). Soltanto sul territorio Trentino sono stati distribuiti 12 sistemi ad ultrasuoni wireless che sono stati impiegati nei vari centri ospedalieri provinciali. Al momento stiamo valutando dati da più di 300 pazienti per un totale di oltre 1 milione di immagini.

Impatto raggiunto: La metodologia messa appunto all'interno di questo progetto potrà essere adottata anche per altre patologie polmonari come la fibrosi, l'edema ed i BPCO.

Video: 3° mese di perfezionamento del progetto

Video: ICLUS | Ottenuta la prima importante valutazione del sistema di imaging

Impatto futuro: La soluzione è già disponibile attraverso un applicativo web (https://iclus-web.bluetensor.ai/) accessibile in forma completamente gratuita. Più di 450 operatori da tutto il mondo stanno attualmente utilizzando il sistema.

Annapaola_Rizzoli high res.jpg

CORS-D (COvid Rapid Sequence Database)

Proponente: Claudio Donati (FEM) Annapaola Rizzoli (FEM) Lucia Collini (APSS)

Inizio progetto: 15 aprile 2020

Termine progetto: 31 gennaio 2021

La piattaforma sviluppata permette lo svolgimento della sorveglianza genomica dl SARS CoV 2 direttamente in Trentino e può essere applicata all'analisi di altri patogeni emergenti quali virus trasmessi da vettori e batteri antibiotico-resistenti. Di fatto, l’analisi rapida delle sequenze genomiche insieme con il confronto dei dati pregressi sulle sequenze già ottenute presenti nella piattaforma di gestione dati può rendere più’ puntuale l’attività di sorveglianza, permettendo cosi l'individuazione precoce di nuovi focolai di intenzione e e la gestione delle relative misure di contenimento o di trattamento.

Impatto previsto: Alla presentazione della domanda lo scopo del progetto era quello di mettere a disposizione dei radiologi trentini recenti strumenti di Intelligenza Artificiale per la diagnosi rapida Covid-19 da immagini RX e TC del torace. L'intento era che i radiologi APSS sperimentassero in prima persona tecniche di deep learning nate dallo sforzo della comunità scientifica internazionale per arginare l'effetto della pandemia. Potenzialmente con l'ulteriore impatto di supportare la diagnosi dei i pazienti in arrivo dal pronto soccorso con problemi respiratori per cui fosse necessario l'imaging RX o TC del torace.

Impatto raggiunto: Il progetto ha portato: i) alla messa a punto di un protocollo di sequenziamento rapido di SARS-CoV-2 direttamente in Trentino; ii) alla definizione di un protocollo di analisi bioinformatica avanzata dei dati ottenuti; iii) alla definizione di una piattaforma di gestione dei dati condivisa tra FEM e APSS; iv) al sequenziamento di 253 sequenze genomiche di SARS-CoV-2 circolanti in Trentino nel periodo marzo-dicembre 2020.

Video: CORS-D | Covid Rapid Sequence _ 1 mese

Impatto futuro: Il progetto costituisce uno dei primi esempi di sorveglianza epidemiologica a partire da dati molecolari su base nazionale. Gli strumenti e protocolli sviluppati nel corso del progetto saranno resi disponibili ad APSS al fine di poter analizzare dati molecolari relativi anche a nuovi patogeni emergenti, come nel caso di infezioni trasmesse da vettori o da batteri resistenti agli antibiotici. La piattaforma potrà essere utilizzata anche per la sorveglianza epidemiologica di micro-organismi di interesse agrario e veterinario.