Skip to Main Content (Press Enter)

Logo UNIBS
  • ×
  • Home
  • Persone
  • Strutture
  • Competenze
  • Pubblicazioni
  • Professioni
  • Corsi
  • Insegnamenti
  • Terza Missione

Competenze & Professionalità
Logo UNIBS

|

Competenze & Professionalità

unibs.it
  • ×
  • Home
  • Persone
  • Strutture
  • Competenze
  • Pubblicazioni
  • Professioni
  • Corsi
  • Insegnamenti
  • Terza Missione

Enabling Real-World Evidence for Elderly Heart Failure through EHDS-Aligned Data Spaces and Remote Care

Progetto
sistemi sanitari europei affrontano una duplice sfida: generare evidenze di alta qualità da dati sanitari "real-world" (RWD) garantendone al contempo un riutilizzo accessibile e transfrontaliero. Questo progetto si pone come priorità l'avanzamento della preparazione allo Spazio Europeo dei Dati Sanitari (EHDS) attraverso un'infrastruttura dati federata e basata su standard, che abiliti l'uso secondario di dati armonizzati per l'innovazione nella ricerca e la valutazione delle politiche sanitarie, utilizzando la cura dello scompenso cardiaco negli anziani come caso d'uso ad alto impatto. Basandosi sull'ecosistema eHealthPass, il progetto implementa eHealthPass.CDR come dorsale "EHDS-ready" per armonizzare registri retrospettivi su larga scala e flussi di dati prospettici multimodali nei siti pilota, raccogliendo cartelle cliniche, esiti riferiti dai pazienti e misurazioni da dispositivi. Una chiara governance dei dati supporta l'interoperabilità e il riutilizzo conformi all'EHDS. Inoltre, lo sviluppo di una "fabbrica" di dati sintetici rispettosi della privacy stabilirà un modello replicabile di centro di interscambio interregionale per i dati sanitari, abilitando l'innovazione aperta immediata e la ricerca transfrontaliera. Parallelamente, i servizi di assistenza remota e i reparti virtuali (virtual ward) fungono da "living lab" per la generazione e la validazione di dati reali. I dispositivi indossabili e le misurazioni point-of-care supporteranno il monitoraggio longitudinale e faciliteranno lo sviluppo e la validazione di modelli predittivi e analitici, fornendo al contempo benefici tangibili all'erogazione delle cure. Oltre al monitoraggio remoto standard, il progetto implementa un ciclo traslazionale "deep tech": modelli di IA sensibili al contesto, pre-addestrati su coorti storiche per riconoscere fenotipi strutturali, vengono impiegati per filtrare i dati pilota in tempo reale e affinare continuamente la stratificazione del rischio. Due progetti pilota clinici (in Grecia e Italia) dimostreranno la fattibilità interregionale (inclusa la mobilità dei pazienti), l'armonizzazione dei dati e la disponibilità di dati di qualità adeguata alla ricerca. Il progetto fornirà un'infrastruttura operativa allineata all'EHDS, dataset validati e una roadmap per la replicazione.
  • Dati Generali
  • Ricerca

Dati Generali

Partecipanti

SIGNORONI ALBERTO   Responsabile scientifico  

Dipartimenti coinvolti

Dipartimento di Specialità Medico-Chirurgiche, Scienze Radiologiche e Sanità Pubblica   Principale  

Tipo

Bandi da altri Organismi Internazionali

Finanziatore

European Commission
Organizzazione Esterna Ente Finanziatore

Partner

Università degli Studi di BRESCIA

Periodo di attività

Aprile 1, 2026 - Settembre 30, 2027

Durata progetto

18 mesi

Ricerca

Settori (3)


LS4_10 - The cardiovascular system and cardiovascular diseases - (2024)

PE6_7 - Artificial intelligence, intelligent systems, natural language processing - (2024)

Settore IINF-05/A - Sistemi di elaborazione delle informazioni
  • Assistenza
  • Privacy
  • Utilizzo dei cookie
  • Note legali

Realizzato con VIVO | Designed by Cineca | 26.1.3.0