Un gruppo multidisciplinare di ricercatori dell’Università di Palermo, del Politecnico di Torino, dell’Università di Torino è al lavoro per sviluppare un sistema di intelligenza artificiale che miri a prevedere il rischio di eventi avversi come la rottura e la dissezione e a stimare la traiettoria di crescita dell’aneurisma dell’aorta toracica ascendente (aAAT).

Il Progetto PRIN guidato dal prof. Diego Gallo, del Politecnico di Torino, e dal Dott. Gibello Lorenzo, dell’Università degli Studi di Torino, insieme al prof. Salvatore Pasta, docente di Bioingegneria Industriale del Dipartimento di Ingegneria, e alla prof.ssa Carmela Rita Balistreri, docente di Patologia Clinica, del Dipartimento di Biomedicina, Neuroscienze e Diagnostica Avanzata dell’Università degli Studi di Palermo, è stato ammesso al finanziamento di 234 mila euro.  

«L'aneurisma dell'aorta toracica ascendente (aAAT) rappresenta una malattia mortale, associata a bassi tassi di sopravvivenza in caso di complicanze, quali la rottura o dissezione – spiegano i proff. Pasta e Balistreri - Attualmente la sua gestione clinica si basa sul rigoroso monitoraggio delle dimensioni dell'aneurisma, per valutare il rischio di complicanze. La riparazione elettiva profilattica è raccomandata quando il diametro massimo di aAAT raggiunge una dimensione critica (55mm). Circa il 60% dei pazienti, tuttavia, presenta complicanze prima del raggiungimento di questa dimensione. Pertanto, il diametro massimo non è un predittore affidabile e non riflette il rischio correlato all'aAAT e sue complicanze. Per una più personalizzata gestione dell’aortopatia, il progetto integrerà informazioni demografiche, parametri clinici e di imaging, dati sui biomarcatori, dati biomeccanici da modellazione e caratteristiche morfologiche della forma dell'ATAA per costruire robusti modelli predittivi. Sfruttando i metodi dell'intelligenza artificiale, puntiamo a prevedere il rischio di eventi avversi come rottura e dissezione e stimare la sua traiettoria di crescita. Di conseguenza, si prevede di generare nuove conoscenze sulla comprensione meccanicistica degli aAAT, allo stesso tempo ponendo le basi per una tecnologia del “paziente digitale” grazie alla quale i medici potranno raccogliere i frutti di un romanzo paradigma di medicina predittiva e personalizzata basata su dati multidisciplinari e intelligenza artificiale. L'esito di questo sbloccherà livelli di accuratezza senza precedenti nell'identificazione di pazienti ad alto rischio o ad alto costo, facilitando un più efficace trattamento e cura efficiente».