Genomics and Personalized Medicine for all though Artificial Intelligence in Haematological Diseases
ProgettoLo scopo del progetto GenoMed4All è quello di affrontare malattie ematologiche con approcci basati sull'intelligenza artificiale integrando dati medici con quelli genomici. GENOMED4ALL integrerà dati genomici, clinici e sanitari "-omici" (dati EHR, PET, MRI e CT, Next Generation Sequencing, Microarray, Genome Wide Association, Copy Number Variations, DNA sequencing, RNA sequencing, compresi single cell, ecc.) attraverso una piattaforma di condivisione dei dati sicura e rispettosa della privacy basata sul nuovi Schemi di Federated Learning nell’ambito della ricerca nella medicina personalizzata grazie a nuovi modelli di IA e alla condivisione dei dati.
GENOMED4ALL utilizzerà le infrastrutture e le iniziative esistenti, tra cui High Performance Computing, registri ospedalieri, strumenti di elaborazione dati e repository preesistenti, a partire da 10 repository di partner clinici.
GENOMED4ALL dimostrerà il potenziale e i vantaggi di tecnologie di apprendimento automatico per sfruttare il potente set di dati “-omics” che saranno a disposizione dei ricercatori. Ciò consentirà di ampliare la conoscenza a supporto della ricerca clinica e migliorare il processo decisionale collegando i pertinenti archivi genomici europei nelle malattie ematologiche, garantendo nel contempo il pieno rispetto della legislazione sulla protezione dei dati e dei principi etici e aumentando la fiducia dell'IA per la medicina personalizzata.
GENOMED4ALL utilizzerà le infrastrutture e le iniziative esistenti, tra cui High Performance Computing, registri ospedalieri, strumenti di elaborazione dati e repository preesistenti, a partire da 10 repository di partner clinici.
GENOMED4ALL dimostrerà il potenziale e i vantaggi di tecnologie di apprendimento automatico per sfruttare il potente set di dati “-omics” che saranno a disposizione dei ricercatori. Ciò consentirà di ampliare la conoscenza a supporto della ricerca clinica e migliorare il processo decisionale collegando i pertinenti archivi genomici europei nelle malattie ematologiche, garantendo nel contempo il pieno rispetto della legislazione sulla protezione dei dati e dei principi etici e aumentando la fiducia dell'IA per la medicina personalizzata.
Dati Generali
Partecipanti (4)
FARISELLI Piero
Responsabile scientifico
SANAVIA Tiziana
Responsabile scientifico
BENEVENUTA SILVIA
Partecipante
BIROLO Giovanni
Partecipante
Referenti
ZACCONE Gabriella
Amministrativo
Dipartimenti coinvolti
SCIENZE MEDICHE
Principale
Tipo
H2020 Research and Innovation action
Finanziatore
EUROPEAN COMMISSION
Capofila
UNIVERSIDAD POLITECNICA DE MADRID
Partner (8)
ASSISTANCE PUBLIQUE HOPITAUX DE PARIS
CINECA
DIPARTIMENTO DI MEDICINA SPECIALISTICA, DIAGNOSTICA E SPERIMENTALE
Dipartimento di Salute della Donna e del Bambino
GERENCIA REGIONAL DE SALUD DE CASTILLA Y LEON
HUMANITAS MIRASOLE SPA
Life Technologies SAS
Università degli Studi di TORINO
Contributo Totale (assegnato) Ateneo (EURO)
271.875€
Periodo di attività
Gennaio 1, 2021 - Dicembre 31, 2026
Durata progetto
73 mesi
Aree Di Ricerca
Settori (24)
Parole chiave (7)
Artificial Intelligence
Genomics
Machine learning
Transcriptomics
data integration
haematological diseases
prognosis prediction
No Results Found
Pubblicazioni
Pubblicazioni (14)
2022
Abstract
nessuno Access
Altmetric disabilitato. Abilitalo su "Utilizzo dei cookie"
Molecular-Based Ecosystem to Improve Personalized Medicine in Chronic Myelomonocytic Leukemia
JOURNAL OF CLINICAL ONCOLOGY2026
Articolo
Open Access
Altmetric disabilitato. Abilitalo su "Utilizzo dei cookie"
Beyond Cox models: Assessing the performance of machine-learning methods in non-proportional hazards and non-linear survival analysis
COMPUTERS IN BIOLOGY AND MEDICINE2025
Articolo
Open Access
Altmetric disabilitato. Abilitalo su "Utilizzo dei cookie"
2025
Articolo
Open Access
Altmetric disabilitato. Abilitalo su "Utilizzo dei cookie"
The specification game: rethinking the evaluation of drug response prediction for precision oncology
JOURNAL OF CHEMINFORMATICS2025
Articolo
Open Access
Altmetric disabilitato. Abilitalo su "Utilizzo dei cookie"
Thermodynamic perspectives into DNA stability and information encoding in the human genome
COMMUNICATIONS PHYSICS2025
Articolo
Open Access
Altmetric disabilitato. Abilitalo su "Utilizzo dei cookie"
VAE-Surv: A novel approach for genetic-based clustering and prognosis prediction in myelodysplastic syndromes
COMPUTER METHODS AND PROGRAMS IN BIOMEDICINE2025
Articolo
Open Access
Altmetric disabilitato. Abilitalo su "Utilizzo dei cookie"
Editorial: Computational and experimental protein variant interpretation in the era of precision medicine
FRONTIERS IN MOLECULAR BIOSCIENCES2024
Articolo
Altmetric disabilitato. Abilitalo su "Utilizzo dei cookie"
MOSAIC: An Artificial Intelligence–Based Framework for Multimodal Analysis, Classification, and Personalized Prognostic Assessment in Rare Cancers
JCO CLINICAL CANCER INFORMATICS2024
Articolo
Open Access
Altmetric disabilitato. Abilitalo su "Utilizzo dei cookie"
MUSE-XAE: MUtational Signature Extraction with eXplainable AutoEncoder enhances tumour types classification
BIOINFORMATICS2024
Articolo
Open Access
Altmetric disabilitato. Abilitalo su "Utilizzo dei cookie"
SYNDSURV: A simple framework for survival analysis with data distributed across multiple institutions
COMPUTERS IN BIOLOGY AND MEDICINE2024
Articolo
Open Access
Altmetric disabilitato. Abilitalo su "Utilizzo dei cookie"
2023
Articolo
Altmetric disabilitato. Abilitalo su "Utilizzo dei cookie"
Influence of Model Structures on Predictors of Protein Stability Changes from Single-Point Mutations
GENES2023
Articolo
Open Access
Altmetric disabilitato. Abilitalo su "Utilizzo dei cookie"
The need for multimodal health data modeling: A practical approach for a federated-learning healthcare platform
JOURNAL OF BIOMEDICAL INFORMATICS2023
Articolo
Reserved Access
Altmetric disabilitato. Abilitalo su "Utilizzo dei cookie"