Bioinformatica & IA

Responsabile

Mattia Chiesa, PhD

FACILITY

La raccolta delle informazioni in ambito sanitario è costantemente in aumento e genera enormi moli di dati elettronici eterogenei e a flusso continuo, i cosiddetti ‘Health Big Data’. Questi dati provengono prevalentemente da 4 fonti: (i) cartelle cliniche informatizzate, (ii) bioimmagini, (iii) esperimenti prodotti dalle tecniche ‘omiche’ e (iv) il cosiddetto “internet delle cose” (i.e. IoT, Internet of Things), che raccoglie dati da tutti i devices elettronici come smartphone, smartwatch, dispositivi medici impiantabili o indossabili. Parallelamente al progresso della tecnologia, si è assistito in questi anni all’enorme sviluppo di due branche della scienza informatica a supporto dell’analisi dei dati biomedici: la Bioinformatica e l’Intelligenza Artificiale. La bioinformatica si occupa di organizzare, processare e analizzare le grosse moli dei “life science data”, prodotte in gran parte dalle piattaforme “-omiche” (e.g. genomica, proteomica, metabolomica), ed investigare le complesse interazioni biologiche con avanzati strumenti d’analisi e di calcolo. L’intelligenza artificiale in medicina consente, invece, di interrogare dati eterogenei e non strutturati (e.g. immagini, wearable devices, esperimenti biologici) e da essi sviluppare robusti modelli di predizione con un approccio data-driven a supporto della ricerca clinica per migliorare, ad esempio, l’accuratezza diagnostica, la predizione di outcome, la stratificazione dei soggetti più a rischio.

Con una grande predisposizione al problem solving, la facility di Bioinformatica & Intelligenza Artificiale (BioAI) del CCM, in questi anni ha supportato i gruppi di ricerca di base, pre-clinica e clinica, in tutte le fasi del processo analitico, dal disegno sperimentale fino all’analisi inferenziale o allo sviluppo di robusti modelli di predizione, nell’ottica di una medicina di precisione e di ricerca traslazionale.

Progetti

  • Progetto HEURISTIC

    Al Centro Cardiologico Monzino, l’intelligenza artificiale è al centro dell'attenzione specie in ambito di ricerca. Tra questi, il progetto HEURISTIC si propone di sviluppare strumenti decisionali innovativi, basati su AI, capaci di integrare dati clinici, di imaging e genetici per predire il rischio di sviluppare differenti forme di scompenso cardiaco, una condizione clinica complessa, spesso associata a eventi avversi gravi come l’arresto cardiaco o la morte improvvisa. L’obiettivo del progetto è ambizioso: realizzare strumenti digitali avanzati, pronti per essere implementati nella pratica clinica quotidiana, capaci non solo di migliorare le strategie di prevenzione, ma anche di salvare vite umane e contribuire alla sostenibilità dei sistemi sanitari, riducendo i costi legati alle cure. È infatti ampiamente riconosciuto come l’approccio della medicina di precisione, quando affiancato da strumenti digitali efficaci, abbia il potenziale per trasformare profondamente la gestione dei pazienti. Personalizzare diagnosi e terapie in base alle caratteristiche specifiche di ciascun individuo – o di sottogruppi ben definiti – permette di aumentare l’efficacia dei trattamenti, ridurre gli effetti collaterali e ottimizzare l’utilizzo delle risorse sanitarie.

migliori pubblicazioni negli ultimi 3 anni

    • Deciphering Abdominal Aortic Diseases Through T-Cell Clonal Repertoire of Perivascular Adipose Tissue. Piacentini L, Vavassori C, Werba PJ, Saccu C, Spirito R, Colombo GI.J Am Heart Assoc. 2024 Jun 18;13(12):e034096. doi: 10.1161/JAHA.123.034096. PMID: 38888318
    • Whole-Blood Transcriptome Unveils Altered Immune Response in Acute Myocardial Infarction Patients With Aortic Valve Sclerosis. Piacentini L, Myasoedova VA, Chiesa M, Vavassori C, Moschetta D, Valerio V, Giovanetti G, Massaiu I, Cosentino N, Marenzi G, Poggio P, Colombo GI.Arterioscler Thromb Vasc Biol. 2024 Feb;44(2):452-464. doi: 10.1161/ATVBAHA.123.320106. PMID: 38126173
    • Computational and digital analyses in the INSPIRE mouse cohort to define sex-specific functional determinants of biological aging. Santin Y, Chiesa M, Alfonso A, Doghri Y, Kang R, Haidar F, Oreja-Fuentes P, Fousset O, Zahreddine R, Guardia M, Lemmel L, Rigamonti M, Rosati G, Florian C, Gauzin S, Guyonnet S, Rolland Y, de Souto Barreto P, Vellas B, Guiard B, Parini A.Sci Adv. 2024;10(50):eadt1670. doi: 10.1126/sciadv.adt1670. PMID: 39671481
    • The chronic heart failure evolutions: Different fates and routes. Agostoni P, Chiesa M, Salvioni E, Emdin M, Piepoli M, Sinagra G, Senni M, Bonomi A, Adamopoulos S, Miliopoulos D, Mapelli M, Campodonico J, Attanasio U, Apostolo A, Pestrin E, Rossoni A, Magrì D, Paolillo S, Corrà U, Raimondo R, Cittadini A, Iorio A, Salzano A, Lagioia R, Vignati C, Badagliacca R, Filardi PP, Correale M, Perna E, Metra M, Cattadori G, Guazzi M, Limongelli G, Parati G, De Martino F, Matassini MV, Bandera F, Bussotti M, Re F, Lombardi CM, Scardovi AB, Sciomer S, Passantino A, Santolamazza C, Girola D, Passino C, Karsten M, Nodari S, Pompilio G; MECKI score research group.ESC Heart Fail. 2025;12(1):418-433. doi: 10.1002/ehf2.14966. PMID: 39318188
    • CAD-RADS scoring of coronary CT angiography with Multi-Axis Vision Transformer: A clinically-inspired deep learning pipeline. Gerbasi A, Dagliati A, Albi G, Chiesa M, Andreini D, Baggiano A, Mushtaq S, Pontone G, Bellazzi R, Colombo G.Comput Methods Programs Biomed. 2024;244:107989. doi: 10.1016/j.cmpb.2023.107989. PMID: 38141455

Staff

  • Luca Piacentini, Msc

    Omar Almolla, MSc