Diagnostica

Bando: 1. Bando Codiv-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 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.

Bando: 1. Bando Codiv-19

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 raggiunto: 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.

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.

Bando: 1. Bando Codiv-19

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 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.

Emanuele_olivetti.jpg

Bando: 5. Avvio sul mercato 2020

AIMED - Artificial Intelligence in MEDicine

Proponente: Emanuele Olivetti (capoprogetto, FBK/NILab), Paolo Avesani (FBK/NILab), Gabriele Amorosino (FBK/NILab), Gaetano Calabrese (FBK/NILab), Silvio Sarubbo (APSS/Trento), Umberto Rozzanigo (APSS/Trento)

Inizio progetto: 20 dicembre 2020

Termine progetto: 28 febbraio 2021

Il progetto AIMED ha lo scopo di migliorare i servizi alla salute per il cittadino fornendo strumenti di diagnostica avanzata basati su Intelligenza Artificiale ai medici sul territorio. In particolare AIMED indirizza patologie come il tumore al cervello, portando recenti risultati della ricerca, come deep learning e modelli di fotogrammetria anatomica, a disposizione per la sperimentazione in Neurochirurgia e Radiologia.

Video: AIMED | Raggiunti gli obiettivi del progetto

Impatto previsto e raggiunto: Il server del progetto AIMED mette/metterà a disposizione differenti servizi che supportano innanzitutto la neurochirurgia di APSS Trento. Questi strumenti automatici di analisi delle immagini neuronatomiche andranno a ridurre drasticamente i tempi di questo tipo di analisi eseguite durante la fase di pianificazione dell'intervento del glioma di basso grado (tumore al cervello). L'effetto atteso è quindi sul 100% degli interventi di rimozione di questo tipo di tumore al cervello.

Il progetto è al terzo mese e quindi ancora lontano dal suo termine. I servizi e la loro valutazione da parte dei medici che collaborano col progetto sono in corso d'opera.

Impatto futuro: In questo momento, l'impatto futuro può essere solo quello previsto nelle fase iniziali del progetto, visto che questo è in corso.

Bando: 7. Next Generation 2021

Foto_SIPOBIO.jpg

SiPoBio: Sistema portatile per la rivelazione ad alta sensibilità di biomarcatori circolanti nel sangue

Proponente: Cristina Potrich, Cenro Sensori e Dispositivi, Fondazione Bruno Kessler; Laura Pasquardini, Indivenire srl; Lucio Pancheri, Dip. Ingegneria Industriale, Università di Trento

Nell’era della medicina personalizzata è cruciale lo sviluppo di sistemi molecolari per la rivelazione di biomarcatori, allo scopo di migliorare la prevenzione, la diagnosi, il trattamento e il follow-up di molte patologie. Questo progetto risponde con la realizzazione di un sistema con sensibilità incrementata grazie a superfici funzionali e ad un sistema di lettura ottimizzato. La manipolazione automatizzata dei fluidi permetterà al prototipo sviluppato nel progetto di eseguire l’analisi dei campioni d’interesse, aprendo la strada allo sviluppo di sistemi per analisi poco invasive, rapide e quindi destinate ad un elevato numero di individui.

Impatto previsto: Il prototipo implementato verrà validato con un biomarcatore standard, ma semplicemente cambiando l'elemento di riconoscimento specifico potrà essere utilizzato non solo per rivelare altri marcatori in campo biomedico, ma anche in campi diversi, come ad esempio nel campo agro-alimentare per la rivelazione di contaminanti, ampliando enormemente la platea di potenziali beneficiari.

Bando: 7. Next Generation 2021

VRT_2021.jpg

ncRNAs, Hidden No More. Efficiente e specifico isolamento di RNA non-codificanti fosfo-terminali e circolari

Proponente: Prof.ssa Marta Biagioli (referente progetto), Dr.ssa Jessica Doering, Dr. Miguel Pellegrini, Dr.ssa Guendalina Bergonzoni afferiscono al laboratorio di NeuroEpigenetica, Dip. CIBIO, Università di Trento. Il team si avvale anche della collaborazione con il Dr. Massimiliano Clamer, a capo di IMMAGINA BioTechnology.

Impatto previsto: L’ottimizzazione tecnica dell’isolamento/amplificazione e screening di circRNAs e 3′/2′,3′-P-RNAs consentirà la messa a punto di tecnologie/dispositivi potenzialmente brevettabili con la successiva immissione nel mercato, da parte di una company Trentina, di due nuovi prodotti per lo studio di nuovi ncRNAs. L’ottimizzazione delle due piattaforme di analisi di ncRNAs, consentirà di standardizzare la procedura e renderla applicabile in ambito clinico/diagnostico, per la ricerca di stabili, riproducibili biomarcatori diagnostici e prognostici, un campo di grande interesse per molte malattie neurologiche, ma anche per altre patologie.