News

Progetto Horizon – Europe PRAESIIDIUM

Physics informed machine learning-based prediction and reversion of impaired fasting glucose management

Il Progetto PRAESIIDIUM è finalizzato allo sviluppo di uno strumento di previsione in tempo reale del rischio prediabetico al fine di ridurre il rischio di sviluppare il diabete di tipo 2 in maniera personalizzata. Nel progetto verranno generati ampi dataset ottenuti da sensori indossabili, dati clinici retrospettivi e prospettici e su tali dataset verranno addestrati algoritmi di intelligenza artificiale e modelli matematici atti a definire raccomandazioni individualizzate per la riduzione del rischio, ad es. attraverso la dieta o l’attività fisica. L’algoritmo di caratterizzazione e riduzione del rischio verrà implementato attraverso una piattaforma web, nella quale sia i pazienti sia i medici potranno immettere dati da svariate sorgenti al fine di stimare il rischio in tempo reale e permetterne la riduzione attraverso interventi personalizzati.

csm_praesiidium_project_d4a85ff041

Descrizione del progetto

Prevenire il diabete di tipo 2: una tecnologia indossabile con apprendimento automatico fisicamente informato

L’alterata tolleranza al glucosio, con presenza o meno di alterata glicemia a digiuno, è una manifestazione del cosiddetto prediabete, una condizione che è possibile invertire senza assumere farmaci che richiedono prescrizione medica per impedire la progressione verso il diabete di tipo 2 (T2D, type 2 diabetes). Partendo da modelli matematici specifici per paziente sviluppati nell’ambito del progetto MISSION-T2D, finanziato dall’UE, la PMI italiana Spindox Labs elaborerà uno strumento prototipo per la previsione in tempo reale del rischio prediabetico nel quadro del progetto PRAESIIDIUM, anch’esso finanziato dall’UE. I modelli simulano il metabolismo, la produzione di ormoni del pancreas, i metaboliti del microbioma, il processo infiammatorio e la risposta del sistema immunitario. Il nuovo algoritmo di previsione, basato su un metodo di apprendimento automatico fisicamente informato che combina i modelli con dati reali, verrà sperimentato mediante l’impiego di sensori indossabili. Il successo di questa soluzione potrebbe consentire di impedire lo sviluppo di centinaia di milioni di casi di T2D a livello mondiale.

 

The research project PRAESIIDIUM has received funding from the European Union’s HORIZON-HLTH-2022-STAYHLTH-02 programme under grant agreement no. 101095672