AI for modeling of the Brain-Heart Axis in aging; “finanziato dall’Unione europea – Next Generation EU”

L'invecchiamento è inevitabile ed è accompagnato da una degenerazione strutturale e funzionale del cervello che influenza la qualità della vita in tutti i rispetti, sia a livello individuale che sociale. Trovare modi per prevenire e eventualmente contrastare questo processo degenerativo avrebbe un impatto enorme a livello sociale ed economico, aiutando a plasmare gli aspetti comportamentali (riguardanti la nutrizione, l'attività fisica, il benessere) non solo a livello individuale, ma anche promuovendo politiche a favore dell'invecchiamento sano con un impatto evidente sui costi per il sistema sanitario. Anche se ogni organo ha un ruolo specifico che non deve essere trascurato quando si considera il benessere complessivo, le malattie cardiovascolari e cerebrali (come le malattie neurodegenerative, ad esempio l'Alzheimer [AD]) sono tra le principali cause di morte nelle popolazioni anziane e hanno il più alto impatto sui costi socio-economici. Va da sé che ogni iniziativa a favore dell'invecchiamento sano porterà un vantaggio sostanziale sia individuale che sociale. L'obiettivo di questo progetto è contribuire alla modellizzazione del processo di invecchiamento concentrandosi su un aspetto specifico: l'asse cuore-cervello. Per farlo, modelleremo l'invecchiamento del cervello e del cuore basandoci su fattori endogeni ed esogeni, dalla scala micro alla scala macro, e facendo affidamento sull'Intelligenza Artificiale (XAI), sia in popolazioni sane che malate. Inoltre, le associazioni di tali misure con i determinanti genetici (GDs) verranno valutate con l'obiettivo di separare l'effetto dei processi di degenerazione fisiologica, agendo come base, dalle modulazioni indotte dalla malattia. Gli ingredienti principali per raggiungere l'obiettivo sono banche dati, modelli di apprendimento (ML/DL) che catturano il legame tra le variabili eterogenee multimodali. Il modello deve essere: 1) versatile, in modo da consentire l'utilizzo di diversi tipi di endofenotipi; 2) aperto e flessibile, per permettere l'incorporazione di nuove soluzioni tecniche; 3) scalabile, per essere adattabile a situazioni in cui non possano essere soddisfatti tutti i requisiti. Questo permetterà l'integrazione delle tecnologie sviluppate all'interno di un quadro unificato in cui verranno elaborare soluzioni, portando innovazioni ben oltre lo stato dell'arte (SOA). Infine, ci avvaleremo dell'integrazione di working groups ENIGMA, in particolare, ENIGMA-Brain Age (https://enigma.ini.usc.edu/ongoing/enigma-brainage/). Questo non solo consentirà il monitoraggio continuo delle prestazioni da parte di diversi gruppi di ricerca che utilizzano diversi set di dati, ma anche la diffusione delle conoscenze e l'incremento delle collaborazioni internazionali.