Progetto
Obiettivi generali del progetto e risultati attesi
L’obiettivo generale del progetto è stato quello di mettere a sistema una piattaforma tecnologica regionale, che potesse realizzare fattivamente la sinergia tra attori e processi e che rappresentasse una nuova soluzione a problemi specifici quali: ritardi diagnostici nella realizzazione dei programmi di screening; mancato coordinamento nella gestione delle informazioni relative ai pazienti oncologici; mancanza di avanzati supporti tecnologici. Il progetto ha portato alla realizzazione di Synergy-net, una piattaforma tecnologica in cloud di gestione del dato clinico basata su modelli predittivi di deep e machine learning che consente di migliorare e potenziare la capacità predittiva dello screening oncologico di alcune tipologie di tumori maligni tra le più diffuse in Campania: il carcinoma polmonare, mammario, colo-rettale, epatico, prostatico, tiroideo, i carcinomi gastro-intestinali e quelli maligni della cute.
Il progetto ha lo scopo di migliorare le interpretazioni diagnostiche, assistendo il dottore con utili suggerimenti, per creare un software CAD autonomo, integrato, in grado di identificare e classificare un maggior numero di neoplasie o alterazioni in fase iniziale (pre-clinica), quindi afferenti alle normali procedure diagnostiche di screening. Il sistema integra sia una valutazione basata sulla diagnostica per immagini sia le informazioni derivate dalla cartella clinica per fornire un supporto alla diagnosi.
In una fase avanzata del progetto si avrà una piattaforma tecnologica che non solo fornirà un supporto diagnostico, terapeutico e prognostico ai differenti attori sanitari in rete, ma essendo il primo sistema ad acquisire ed elaborare dati con sistemi di deep e machine learning, sarà anche il sistema più esperto di analisi ed elaborazione dati in campo oncologico, quindi un potenziale riferimento nazionale e internazionale, sfruttabile negli Health Decision Process tanto di un Sistema Sanitario all’avanguardia, quanto di clinici e/o strutture private alla ricerca del supporto di un Network di ultima generazione.
Synergy-net si fonda su un progetto di R&S innovativo, punta alla realizzazione di un’innovazione di prodotto e la sua applicazione determina un’innovazione di processo e organizzativa. La performance sanitaria sarà migliorata sul fronte delle capacità predittive nell’ambito del servizio di screening oncologico, quindi dal punto di vista strettamente scientifico e di ricerca. Per quanto riguarda, invece, la performance organizzativa, la struttura sanitaria che adotterà la soluzione migliorerà l’efficienza, l’efficacia e l’economicità nella gestione del workflow informativo dei dati veicolati dallo screening oncologico al sistema esperto, grazie all’adozione delle funzioni di archiviazione e comunicazione integrata.
Risultati Attesi
Il progetto della piattaforma è stato indirizzato ai seguenti RISULTATI ATTESI (RA):
RA1 – sviluppare un prototipo di presidio oncologico integrato, dedicato esclusivamente alla prevenzione territoriale (servizio di screening oncologico), presso la Unità Operativa Complessa di Chirurgia Generale, Mininvasiva e dell’Obesità, Edificio XVII Nuovo Policlinico, afferente al Dipartimento di Scienze Avanzate dell’Università della Campania “L. Vanvitelli”. Tale sistema integrato dovrà interfacciarsi sia con i presidi radiologici (integrando dati, immagini ed esami di I livello), sia con i sistemi di analisi ed elaborazione avanzata (sfruttando interazioni professionali e tecnologiche in real time). Tale presidio rappresenterà un’esperienza pilota e potrà diventare un modello di best practice nell’ambito del Sistema Sanitario Regionale, sia a livello di sanità pubblica che privata;
RA2 – dotare il servizio di screening oncologico di una soluzione software innovativa finalizzata alla raccolta dati e alla relativa fenotipizzazione di profili oncologici in base all’opportuna scelta di indicatori. Tale soluzione sarà sviluppata, a partire da una basedati messa a disposizione dal Dipartimento, con metodologie e algoritmi dedicati all’elaborazione diagnostica per immagini, tramite modelli predittivi Knowledge Based addestrati con opportune tecniche di Machine Learning, per migliorare l’accuratezza e l’interpretazione delle immagini diagnostiche e integrare tale know how al più complesso processo di elaborazione dati. Tale sistema di integrazione diagnostica avanzata mira a implementare gli strumenti diagnostici tradizionali e per le sue connotazioni di sistema automatico può rendersi complementare a qualsiasi tecnica di imaging, offrendo un potenziale servizio anche eventualmente on line;
RA3 – integrare tutti i dati in un sistema di Computer Aided Detection/Diagnosis (CAD – una piattaforma tecnologica supportata da modelli predittivi). Ciò consentirà un interscambio delle informazioni cliniche tra differenti ambiti di competenza (Ricerca Traslazionale), ma soprattutto la restituzione di informazioni necessarie a sviluppare la base di dati per l’addestramento del sistema stesso. Le applicazioni delle intelligenze artificiali sono molteplici: sviluppare un sistema esperto che lavori su un database oncologico rappresenta un’occasione unica di testarne le potenzialità su una popolazione a rischio. I modelli saranno addestrati in modo da analizzare, automaticamente, le immagini diagnostiche ed effettuare diagnosi precoci (Early Diagnosis) di incidenza di forme oncologiche sulla base dei dati della cartella clinica. Se i risultati saranno quelli attesi, il sistema sarà presto in grado di selezionare autonomamente dei profili di rischio e suggerire strategie diagnostiche e terapeutiche sempre più personalizzate, rispondendo quindi al criterio di Tailored Therapy/Surgery, obiettivo auspicabile di qualsiasi programma di prevenzione oncologica. Le stesse caratteristiche possono diventare un supporto prezioso per il clinico che chiede un indirizzo diagnostico, terapeutico, prognostico, sempre più esperto;
RA4 – verificare le potenzialità di tale soluzione tecnologica nel generare nuovi modelli sperimentali: il massimo potenziale di tale piattaforma sarebbe quello di ottenere indicazioni e informazioni su variabili cliniche, diagnostiche, terapeutiche, prognostiche, istologiche, biologico-molecolari o soprattutto dall’associazione di queste che non sono state indagate o prese in considerazione. Tutto ciò potrebbe aprire infinite possibilità sperimentali, stimolando nuove linee di ricerca e soprattutto caratterizzando con maggior precisione l’identikit del multiforme profiling oncologico. Il progetto prevede di utilizzare fattori di correlazione tra genotipi, fenotipi e patologie oncologiche a supporto delle più avanzate tecniche di Machine Learning e Data Mining;
RA5 – testare e verificare la piattaforma su tre livelli di contesto:
1- nell’ambito del protocollo di screening oncologico adottato dall’Unità Operativa Complessa di Chirurgia Generale, Mininvasiva e dell’Obesità, afferente al Dipartimento di Scienze Avanzate dell’Università della Campania “L. Vanvitelli” (questo test è parte integrante del progetto di R&S della piattaforma);
2- test di replicabilità territoriale:
a) introduzione dell’uso della Piattaforma nell’ambito del protocollo di screening oncologico in una struttura di eccellenza della sanità privata campana: la Clinica RUESCH di Napoli;
b) utilizzo della Piattaforma per la creazione di un prototipo di un neo-presidio oncologico di I livello, che sfrutti appieno il concetto di Digitalizzazione sanitaria e Telemedicina, presso il Comune di Anacapri (NA) (questa sperimentazione è uno degli obiettivi realizzativi a valle del progetto di R&S);
3- test di internazionalizzazione finalizzato a verificare e valutare la capacità della piattaforma di confrontarsi con un potenziale mercato globale, attraverso la disponibilità alla sperimentazione di Synergy-net da parte di due importanti università internazionali: Università di Montpellier – Pole Digestif, Department de Chirurgie Digestive et Trasplantation, Centre Hospitalier Universitaire (Francia) e l’Università di Buenos Aires – Department at Hospital Nacional Prof. A. Posadas (Argentina).
Si procederà quindi alla industrializzazione della stessa, in termini di sistema da affiancare ai reparti oncologici e/o alle strumentazioni già esistenti o come sistema a se stante (ad esempio un software da integrare on line con i principali sistemi clinici e/o di diagnostica Eco-RNM-TC o un supporto hardware da integrare come una nuova sonda ecografica dotata di capacità diagnostiche automatizzate o assistite da Machine Learning) o ancora come panel oncologici (kit di biomarcatori tumorali disponibili come servizio e/o dispositivi), ma ancora come potenziale sistema di Virtual Learning;
RA6 – massimizzare i risultati di R&S del progetto innovativo e promuovere la soluzione industrializzata attraverso un piano di comunicazione orientato alla divulgazione scientifica e alla commercializzazione del prodotto, al fine di valorizzare l’impatto sia sul piano della ricerca oncologica per la parte medica e sia le ricadute commerciali orientate al mercato di riferimento (centri diagnostici, cliniche, ospedali privati, privati convenzionati e pubblici) per la parte imprenditoriale, del progetto attuato. La valorizzazione delle ambizioni/obiettivi progettuali prima, e dei risultati poi saranno oggetto di due eventi pubblici. Il primo di natura istituzionale scientifica nella fase inziale di attività progettuale e uno conclusivo, di respiro internazionale, per la disseminazione dei risultati.