Laboratorio ISMI4PM
Intelligent Systems and Medical Informatics for Precision Medicine Laboratory
Referente: Prof. Antonio Brunetti
Il laboratorio ISMI4PM (Intelligent Systems and Medical Informatics for Precision Medicine Laboratory) includerà un sistema completo per la progettazione, lo sviluppo e il test di pipeline per l’elaborazione di dati bioinformatici e genomici al fine di estrarre biomarker utili alla predizione degli esiti prognostici e terapeutici in condizioni patologiche. Tali pipeline permetteranno:
- L’elaborazione di dati sequenziati multimodali;
- L’integrazione di biomarker con features estratte da bioimmagini, biosegnali e biodati per una migliore caratterizzazione della condizione clinica di riferimento (radiomica e radiogenomica), nonché il suo monitoraggio nel tempo.
- La personalizzazione dell’approccio terapeutico in accordo con i paradigmi della medicina di precisione, utilizzando i dati precedentemente elaborati.
Grazie all’infrastruttura che verrà installata presso il laboratorio ISMI4PM e alla cooperazione con altri laboratori, sarà anche possibile la progettazione, lo sviluppo e la validazione di Digital Twins (DTs) relativi a sistemi biologici in fase di studio. I DTs sviluppati saranno basati sia su dati acquisiti direttamente dai pazienti (inclusi i biomarker estratti da segnali ed immagini biomedicali), sia su modelli fisiologici presenti in letteratura. I DTs permetteranno la simulazione dello stato fisiologico attuale del paziente e della sua progressione nel tempo, con l’obiettivo di migliorare da un lato la conoscenza relativa ad una specifica patologia, dall’altro la progettazione di una strategia ottimale centralizzata sul paziente per il miglioramento della sua condizione di salute.
Di seguito sono elencate le principali risorse del laboratorio ISMI4PM:
- Sistema per l’analisi di dati bioinformatici, dotato di una workstation per la progettazione, sviluppo e test di pipeline bioinformatiche e per la progettazione, implementazione e simulazione di DTs.
- Infrastruttura High Performance Computing (HPC) per lo storage, l’acquisizione e l’analisi di Big Data, con relativo sistema di rete.
- Sistema per la valutazione clinica dei pazienti, con piattaforme all’avanguardia per l’acquisizione di bioimmagini, biosegnali e biodati.
Le risorse saranno disponibili presso il Dipartimento di Ingegneria Elettrica e dell’Informazione del Politecnico di Bari (DEI-POLIBA), a complemento di quelle preesistenti dedicate alla ricerca nell’ambito della bioingegneria.
Pubblicazioni Scientifiche
- Brunetti, A., Buongiorno, D., Altini, N., Bevilacqua, V. Enabling Technologies for Optimized Diagnosis, Therapy and Rehabilitation: Obtained Results and Future Works. In: Bochicchio, M., Siciliano, P., Monteriù, A., Bettelli, A., De Fano, D. (eds) Ambient Assisted Living. ForItAAL 2023. Lecture Notes in Bioengineering. Springer, Cham. doi: 10.1007/978-3-031-63913-5_19
- Altini, N., Rossini, M., Turkevi-Nagy, S., Pesce, F., Pontrelli, P., Prencipe, B., Berloco, F., Seshan, S., Gibier, J. B., Dorado, A. P., Bueno, G., Peruzzi, L., Rossi, M., Eccher, A., Li, F., Koumpis, A., Beyan, O., Barratt, J., Huy Quoc, V., Mohan, C., Van Nguyen, H., Cicalese, P. A., Ernst, A., Gesualdo, L., Bevilacqua, V., Becker, J. U. Performance and Limitations of a Supervised Deep Learning Approach for the Histopathological Oxford Classification of Glomeruli with IgA Nephropathy. Computer Methods and Programs in Biomedicine, 2023, p.107814. doi: 10.1016/j.cmpb.2023.107814
- Gentile, E., Brunetti, A., Ricci, K., Vecchio, E., Santoro, C., Sibilano, E., Bevilacqua, V., Iliceto, G., Craighero, L., de Tommaso, M. Effects of movement congruence on motor resonance in early Parkinson’s disease. Scientific Reports, 2023, 13(1), p.14887. doi: 10.1038/s41598-023-42112-2
- Prencipe, B., Delprete, C., Garolla, E., Corallo, F., Gravina, M., Natalicchio, M. I., Buongiorno, D., Bevilacqua, V., Altini, N., Brunetti, A. An Explainable Radiogenomic Framework to Predict Mutational Status of KRAS and EGFR in Lung Adenocarcinoma Patients. Bioengineering. 2023; 10(7):747. doi: 10.3390/bioengineering10070747
- Sibilano, E., Brunetti, A., Buongiorno, D., Lassi, M., Grippo, A., Bessi, V., Micera, S., Mazzoni, A., Bevilacqua, V. An attention-based deep learning approach for the classification of subjective cognitive decline and mild cognitive impairment using resting-state EEG. J Neural Eng. 2023 Feb 6. doi: 10.1088/1741-2552/acb96e.
- Suglia, V., Brunetti, A., Pasquini, G., Caputo, M., Marvulli, T. M., Sibilano, E., Della Bella, S., Carrozza, P., Beni, C., Naso, D., Monaco, V., Cristella, G., Bevilacqua, V., Buongiorno, D. A Serious Game for the Assessment of Visuomotor Adaptation Capabilities during Locomotion Tasks Employing an Embodied Avatar in Virtual Reality. Sensors. 2023; 23(11):5017 doi: 10.3390/s23115017.
