Construction of a Multimodal Causal Knowledge Graph Powered by Medical Imaging for the Monitoring of Neurodegenerative Diseases

Il progetto CauAD mira a costruire un Knowledge Graph multimodale e semanticamente fondato per lo studio della progressione della malattia di Alzheimer, integrando dati clinici, biomarcatori CSF, dati genetici e informazioni avanzate di neuroimaging provenienti dal dataset ADNI. Il progetto applicherà algoritmi di causal discovery per identificare e caratterizzare le relazioni causali tra accumulo di amiloide, propagazione della tau, neurodegenerazione e declino cognitivo. Un obiettivo centrale è valutare se caratteristiche longitudinali derivate da fMRI, DTI e PET possano rafforzare l’identificazione dei meccanismi causali e rivelare pathway cerebrali non catturati dai soli biomarcatori tradizionali. Il contributo dell’Università degli Studi di Brescia riguarda la valutazione della qualità del Knowledge Graph, l’identificazione di bias e lacune nei dati, e la validazione della solidità analitica delle relazioni causali individuate. Il risultato atteso è una metodologia riutilizzabile per la costruzione di Knowledge Graph clinici arricchiti causalmente, a supporto della diagnosi precoce, del monitoraggio e della comprensione dei meccanismi della neurodegenerazione.