AI-IBD
Personalizirana medicina u IBD-u: integracija kliničkih, laboratorijskih i AI modela za predviđanje ishoda - AI-IBD (IP-UNIST-32)
Naziv projekta: Personalizirana medicina u IBD-u: integracija kliničkih, laboratorijskih i AI modela za predviđanje ishoda - AI-IBD (IP-UNIST-32)
Naziv prijavitelja projekta: Sveučilište u Splitu, Medicinski fakultet
Vrijednost projekta: 238.000,00 EUR
Trajanje projekta: 1/10/2025 - 30/09/2029
Voditelj projekta: prof. dr. sc. Joško Božić
Kontakt osoba za više informacija: prof. dr. sc. Joško Božić (josko.bozic@mefst.hr)
Opis projekta:
Iako se IBD primarno klasificira kao bolest gastrointestinalnog sustava, u značajnom udjelu slučajeva- procjenjuje se između 25% i 40% - prisutne su i manifestacije izvan probavnog trakta koje zahvaćaju različite organske sustave. Dodatno, u približno 10% bolesnika ekstraintestinalne manifestacije (EIM) predstavljaju inicijalnu kliničku prezentaciju bolesti. Unatoč njihovoj relativno visokoj prevalenciji, ove manifestacije često ostaju neprepoznate, što rezultira odgođenom dijagnozom i neadekvatnim terapijskim pristupom. Nadalje, trenutačno ne postoje pouzdani prognostički čimbenici koji bi omogućili predikciju razvoja EIM. Sukladno tome, cilj ovog istraživačkog projekta je provedba sveobuhvatne kliničke analize bolesnika s IBD-om s posebnim naglaskom na detekciju sistemskih manifestacija bolesti, uključujući one koje se još nisu klinički očitovale. Upotrebom algoritama strojnog učenja nastojat će se identificirati potencijalni prediktivni obrasci i međusobne povezanosti koji bi mogli doprinijeti ranijem prepoznavanju i boljem razumijevanju sustavne prirode IBD-a. Tijekom posljednjih godina, uz značajan napredak računalne tehnologije i algoritama strojnog učenja, više je istraživačkih skupina nastojalo razviti modele za predikciju ekstraintestinalnih manifestacija (EIM), s različitim stupnjem uspješnosti. Primjerice, Verma i sur. izradili su prediktivni model za jednu od najčešćih EIM - artropatiju- temeljen na kliničkim i demografskim podatcima relativno ograničenog broja bolesnika. Drugi autori razvijali su modele koji kombiniraju kliničke parametre s genetskim varijacijama. Naposljetku, u nedavno objavljenoj studiji, Baumgart i sur. primijenili su pristup mrežne analize temeljen na umjetnoj inteligenciji na kohorti od gotovo 30.000 bolesnika s IBD-om, pri čemu su identificirali klastere EIM te razvili interaktivni model koji kliničarima omogućuje vizualizaciju i prepoznavanje međusobnih povezanosti među različitim EIM.
Suradnici na projektu:
- doc. dr. sc. Anteo Bradarić-Šlujo
- doc. dr. sc. Josipa Bukić
- prof. dr. sc. Darko Duplančić
- izv. prof. dr. sc. Tea Galić
- izv. prof. dr. sc. Duška Glavaš
- izv. prof. dr. sc. Iris Jerončić Tomić
- prof. dr. sc. Ivana Kolčić
- izv. prof. dr. sc. Slavica Kozina
- izv. prof. dr. sc. Mladen Krnić
- dr. sc. Marko Kumrić
- doc. dr. sc. Slaven Lupi Fernandin
- prof. dr. sc. Valdi Pešutić Pisac
- prof. dr. sc. Željko Puljiz
- doc. dr. sc. Doris Rušić
- prof. dr. sc. Tina Tičinović Kurir
- izv. prof. dr. sc. Marion Tomičić
- prof. dr. sc. Marija Tonkić
- izv. prof. dr. sc. Ivana Unić
- doc. dr. sc. Marino Vilović
- dr. sc. Josip Vrdoljak
- dr. sc. Marija Franka Žuljević
- izv. prof. dr. sc. Daniela Šupe-Domić (FZZ Split)
- dr. sc. Marina Rudan Dimlić (MedILS)
Mjerljivi pokazatelji ostvarenja rezultata projekta
Projekt je osmišljen s ciljem postizanja jasno definiranih, mjerljivih rezultata u skladu s programskim ciljevima poziva. Očekivani rezultati proizlaze iz četiri temeljna radna paketa (RP1-RP4) te se mogu sažeti kako slijedi:
Očekivani rezultati projekta:
• Stvaranje visokokvalitetne, multidisciplinarne baze kliničkih i subkliničkih podataka o bolesnicima s IBD-om (RPI).
• Razvoj i validacija prediktivnog modela za identifikaciju bolesnika s povišenim rizikom razvoja EIM korištenjem algoritama strojnog nčenja (RP2).
• Objavljivanje znanstvenih rezultata u časopisima visoke kategorije te diseminacija putem kongresa i stručnih skupova (RP3).
• Aktivno uključivanje i edukacija mladih istraživača i doktoranada, uz poticanje interdisciplinarne suradnje (RP3, RP4).
• Provedba popularno-znanstvenih aktivnosti i javnozdravstvene edukacije u zajednici (RP4).
• Uspostava međunarodne znanstvene suradnje i diseminacija rezultata izvan Republike Hrvatske (RP3, RP4).
Ovi pokazatelji izravno doprinose sljedećim programskim ciljevima:
• Cilj 1.1 - Povećanje znanstvene produktivnosti i kompetitivnosti javnih visokih učilišta
• Cilj 1.4 - Jačanje ljudskih potencijala za znanstveni rad (kroz doktorande i edukaciju)
• Cilj 1. 7 - Doprinos otvorenoj znanosti (F AIR baza podataka i dostupnost ML modela)
• Cilj 3.3 - Internacionalizacija i međunarodna mobilnost
• Cilj 4.6 - Popularizacija znanosti i suradnja s građanima
Kroz jasno strukturiran radni plan (RP1-RP4), svi pokazatelji su metodološki utemeljeni i realno ostvarivi tijekom 48 mjeseci trajanja projekta. Transparentnost, replikabilnost i otvorena znanost osiguravaju dugoročnu održivost i širinu primjene rezultata u kliničkoj praksi i daljnjim istraživanjima.
“Financira Europska Unija - NextGenerationEU."
Izneseni stavovi i mišljenja samo su autorova i ne održavaju nužno službena stajališta Europske unije ili Europske komisije. Ni Europska unija ni Europska komisija ne mogu se smatrati odgovornima za njih.
Ispiši stranicu
