Modellizzazione e Predizione - Associazione Italiana di Medicina e Sanità Sistemica (ASSIMSS) - Italian Association for Systems Medicine & Healthcare
Modellizzazione e Predizione
AREE
L’area “MODELLIZZAZIONE E PREDIZIONE” si occupa di sviluppare i temi relativi alla modellizzazione e alla fenotipizzazione complesse (systems biology, systems medicine, precision medicine).
Una riflessione di partenza è il significato di modellizzazione, ovvero di quel processo cognitivo che porta alla costruzione di un modello, e di predizione, termine di derivazione inglese che assume il significato di previsione basata su calcoli scientifici.
Uno degli obiettivi della systems medicine, grazie agli sviluppi ottenuti nella ricerca di base, in particolare nella systems biology e in tutte le discipline “omiche” (es. genomica, metabonomica, trascrittomica, etc…) consiste nell’acquisire in breve tempo e a costi sempre più ridotti grandi quantità di informazioni a livello molecolare sulla singola persona e sulla singola patologia. Queste informazioni (“big data”) possono essere usate per analisi bioinformatiche più o meno complesse, che vanno dalla ricerca di coerenze alla costruzione di veri e propri modelli. Gli approcci di systems medicine puntano a costruire con il supporto delle “computers science” modelli
in silico
grazie ai quali testare virtualmente le reazioni ai farmaci e agli altri interventi preventivi e/o terapeutici in soggetti portatori di patologie complesse e multifattoriali.
Le patologie croniche sono caratterizzate da grandissimi livelli di complessità e quindi da grandi difficoltà nel costruire modelli attendibili. La messa a punto di modelli bioinformatici sempre più accurati, che tengano conto non soltanto delle informazioni genetiche, ma anche del lifestyle, della storia clinica, della familiarità, della compliance, consentiranno in un prossimo futuro di avere informazioni sul rischio di una persona di sviluppare una certa patologia, ma soprattutto di analizzare le basi molecolari che sottendono a tale vulnerabilità e di definire strategie preventive e terapeutiche sempre più personalizzate e monitorandone la loro efficacia.
Lo sviluppo di modelli in grado di offrire previsioni affidabili nella pratica clinica deve essere quindi pensato a partire da quelle che sono le basi epistemologiche del linguaggio della medicina (Disease, Illness, Sickness …) e delle interazioni nel tempo che questi 3 elementi hanno nei vari livelli.
La riflessione epistemologica è la premessa allo sviluppo di database sistemici che possano offrire una grande serie di dati analizzabili con nuovi strumenti di machine learning per lo sviluppo di modelli predittivi che possano adattarsi nel tempo alle condizioni del singolo paziente.
L’area modellizzazione e previsione si occuperà pertanto della modellizzazione di clusters di significatività clinica in dataset di individui estensivamente caratterizzati e di:
·
Sviluppare un modello di assiomi coerenti con una visione sistemica
·
Definire la quantità minima necessaria allo sviluppo di un database di impronta sistemica
·
Stimolare la ricerca su modelli affidabili di analisi dei dati di grandi dimensioni
·
Sviluppare esempi di applicazione dei modelli
I progetti coordinati o promossi dall’area saranno inizialmente:
1.
Assiomica
2.
“Minimal data set” per un database sistemico
3.
Definizione di un linguaggio ottimale per il “deep learning” (big data analysis, machine learning)
4.
Monitoraggio sistemico degli effetti dei nuovi farmaci antineoplastici a bersaglio molecolare
Chair:
Co-chair: Stefano Fortinguerra
