Lo scopo del progetto è progettare, fabbricare e ottimizzare NanoOECT per applicazioni biomediche.

Il progetto mira a sviluppare nuovi approcci di system e di synthetic biology per l’analisi ed il controlli di biosistemi su scala molecolare e cellulare, combinando tecniche di modellistica matematica, ottimizzazione, idetnificazione, controllo e simulazione di sistemi dinamici con applicazioni in ambito sia di ricerca di base che clinica.

Questo progetto si incentrerà sullo studio della famiglia delle sirtuine, un gruppo di proteine coinvolte nell'estensione della durata della vita attraverso la regolazione di vari processi cellulari.

L'obiettivo è realizzare strumenti di IA che possano integrarsi efficacemente con le tecnologie sanitarie esistenti, fornendo soluzioni innovative per la personalizzazione del trattamento medico e l'ottimizzazione delle risorse sanitarie.

Il progetto mira ad implementare algoritmi basati sul intelligenza artificiale per migliorare significativamente la funzionalità e le prestazioni della diagnostica e della prognostica respiratoria.

Il progetto mira a sviluppare nuovi approcci di systems e synthetic biology per l’analisi ed il controllo di biosistemi su scala molecolare e cellulare, combinando tecniche di modellistica matematica, ottimizzazione, identificazione, controllo e simulazione di sistemi dinamici con applicazioni in ambito sia di ricerca di base che clinica.

L’obiettivo del progetto è sviluppare un metodo per valutare e quantificare le caratteristiche di cellule sane e cancerogene, attraverso l’analisi della topologia di modelli cellulari 2D e 3D su materiali nano-strutturati.

L’obiettivo del presente progetto di dottorato è dunque l’ideazione, la progettazione, la realizzazione e la validazione di metodologie che possano identificare CT sintetiche contententi errori di traduzione non identificabili dall’umano, al fine di intercettare le immagini errate e non utilizzarle per trattare il paziente.

L’ obiettivo del progetto è lo studio e definizione di metodi e algoritmi dell'intelligenza artificiale generativa e la loro sperimentazione nel settore medicosanitario.

L’applicazione di tecniche di machine learning, che automatizza la costruzione del modello analitico, i metodi di reti neurali e i modelli statistici, classificatori e di clustering, sarà integrata ad analisi di digital pathology per definire profili di precisione in relazione al danno biologico e la sua traslazione patogenetica.

Recentemente, sia la pandemia che considerazioni di tipo medico-sanitario hanno evidenziato la necessità di applicare estensivamente le tecnologie di gestione dell’informazione ai dati e ai processi medico-clinici e decisionali. È necessario gestire in modo efficiente, efficace e sicuro le informazioni medico-cliniche, anagrafiche ed ambientali. Questo per implementare procedure di telemedicina, telecontrollo e telemonitoraggio (telehealth) dei pazienti, basate su un nucleo unico di dati e su una semantica condivisa. Si pensi, ad esempio, all’analisi (anche in tempo reale) di dati biomedicali come segnali EEG, ECG, vocali, immagini, analiti, dati omici, comportamentali e riabilitativi, o di interesse biomedicale (es. ambientali, comportamentali, riabilitativi e di telecontrollo).

In tale contesto, le tematiche della bioingegneria e dell’informatica biomedica risultano assolutamente rilevanti nella gestione dei dati biomedicali e per la gestione dei processi medico-clinici.

Il progetto prevede lo studio di dati clinici attraverso la collaborazione interdisciplinare con colleghi dell’area medica e la partecipazione ad attività medico-cliniche per la definizione di soluzioni federate per la gestione dei processi a supporto delle procedure medico-cliniche anche usando tecniche di intelligenza artificiale predittiva ed LLM based.

È previsto anche lo studio di casi d’uso quali soluzioni applicate alla riabilitazione motoria e cognitiva anche attraverso lo studio di bioimmagini e biosegnali anche con collaborazioni con realtà che operano nei processi riabilitativi (anche remota) del paziente.

Il risultato permetterà non solo di utilizzare nuove tecnologie, ma anche di formare una figura professionale capace di apportare contributi innovativi al sistema sanitario, che richiede figure specializzate nell’ingegneria clinica, nei processi e nell’ottimizzazione dei flussi informativi.

Questo progetto indagherà la composizione e la funzione degli esosomi purificati sangue di pazienti affetti da cancro e da altre patologie croniche afflitti da diverse condizioni di dolore. Attraverso l'analisi delle proteine, degli acidi nucleici (compresi i microRNA), dei lipidi e di altre molecole presenti negli esosomi, ci proponiamo di identificare potenziali biomarcatori associati al dolore.

Per identificare specifici biomarcatori esosomiali verranno impiegati approcci computazionali in grado di differenziare le diverse tipologie di dolore. Attraverso l'analisi dei dati generati tramite l'interrogazione della composizione molecolare degli esosomi contenuti nel plasma, ci proponiamo di scoprire firme molecolari che possono essere utilizzate per scopi diagnostici o prognostici.

Saranno impiegati algoritmi di apprendimento automatico e tecniche di data mining al fine di identificare modelli, prevedere risultati e classificare i diversi pazienti in base al loro contenuto esosomiale. Integrando i dati di questo studio con le conoscenze esistenti sulle cellule e sui recettori coinvolti nella nocicezione e nella segnalazione del dolore, ci proponiamo di approfindire lo studio delle reti di regolazione del dolore.

Nel corso di questo studio multidisciplinare, il candidato acquisirà competenze sulle diverse tecniche per l'isolamento, la purificazione, la rilevazione e la caratterizzazione degli esosomi e sugli strumenti bioinformatici per condurre un'analisi approfondita di ampi set di dati. Il candidato condurrà inoltre studi di biologia molecolare e cellulare per analizzare i ruoli funzionali dei componenti esosomiali e il loro impatto sull'attivazione dei recettori, dei processi cellulari, della comunicazione intercellulare e della modulazione immunitaria legata al dolore.