Obiettivi generali - L'obiettivo è quello di impiegare le competenze presenti al CIMeC per applicare approcci di big data alla ricerca traslazionale relativa alle popolazioni cliniche. L'obiettivo è quello di mettere in relazione il CIMeC con gli interessi dei ricercatori clinici locali e ricavarne approcci mirati al fine di rispondere a domande che siano di interesse per questi ricercatori clinici, utilizzando principalmente tecniche di resting state e machine learning. L'obiettivo finale è quello di raggiungere misure affidabili che abbiano valore in contesto diagnostico.
Tra questi:
- studiare diversi sottotipi di disturbi che siano di interesse per altri gruppi di ricerca concentrandosi su ipotesi neurali specifiche basate sull'eziologia piuttosto che parlare di un approccio a "scatola nera";
- indici simili a quelli inerenti la sintomologia e l'intervento clinico, in quanto potrebbero essere utili per tracciare la progressione clinica dei singoli pazienti.
Visione - Si tratta di un progetto multistadio che inizia con progetti studiati per consentire l'acquisizione di competenze e si estende, negli anni successivi, alle implementazioni traslazionali:
- un obiettivo preliminare è quello di aumentare ed estendere le competenze del CIMeC nel differenziare le popolazioni e identificarne le differenze individuali con l’utilizzo degli approcci di machine learning e big data;
- contemporaneamente, l'obiettivo è quello di promuovere gradualmente questo progetto ai ricercatori dell'APSS e del CERiN e di incoraggiare il processo di raccolta dei dati sul resting state nell'ambito dei progetti di ricerca in corso che siano pertinenti;
- a seguito di ciò una valutazione della fattibilità di questo progetto. Un risultato positivo porterà ad un potenziamento del progetto e delle collaborazioni tra CIMeC e APSS.
Referente del progetto - Scott Fairhall