Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Prognostic assessment of valvular aortic disease treatment coupling Immunological and biomechanical profiles

Opis projektu

Modelowanie predykcyjne w leczeniu chorób zastawki aortalnej

Choroby zastawki aortalnej zaburzają pracę zastawki aortalnej, która kontroluje przepływ krwi z lewej komory serca do aorty, a tym samym rozprowadzanie krwi bogatej w tlen po całym organizmie. Powikłania operacyjne i wysokie wskaźniki hospitalizacji oznaczają potrzebę stworzenia lepszych metod przewidywania skuteczności leczenia. Finansowany przez ERBN projekt PROTEGO zakłada opracowanie metodologii predykcyjnej uwzględniającej immunologiczne i biomechaniczne profile pacjentów. Zespół badawczy opracuje cyfrowe bliźniaki pacjentów i modele leczenia o wysokiej wierności w celu uzyskania optymalnych wyników klinicznych. Ogólnie rzecz biorąc, badanie powinno przyczynić się do lepszego poznania czynników przyczyniających się do nasilenia stanu zapalnego oraz interakcji między biomarkerami a negatywnym rokowaniem po leczeniu u pacjentów z chorobami zastawki aortalnej.

Cel

Aortic valve diseases are degenerative conditions that develop progressively and insidiously. Once symptoms become evident, life expectancy is significantly reduced. While treatments for these pathologies are widely available, there remains a remarkably high rate of procedural complications. These complications have been shown to have a negative impact on cardiac mortality and the likelihood of rehospitalization for heart failure. This underscores the need for further technological advancements. Protego's objective is to determine whether a combination of immunological and biomechanical profiles in patients with aortic valve diseases can effectively predict post-treatment prognosis. My goal is to develop an innovative, validated, and clinically applicable methodology that can identify the best treatment options and predict post-procedural outcomes while minimizing complications. This methodology will serve to determine the timing of treatment for patients with valvular aortic diseases and assess whether the proposed treatment is likely to be beneficial preoperatively, while also minimizing the risk of post-procedural complications. I will achieve this by combining imaging analysis, deep learning algorithms, in silico models, and in vitro tests. My approach involves the following key objectives: (i) creating a multi-physics digital twin of patients with aortic valve diseases, (ii) developing a validated, high-fidelity model for treatment with quantification of post-treatment outcomes and (iii) generating a proof of concept for a clinically applicable predictive model trained using both immunological profiles and biomechanical features of patients. This innovative approach will provide a deeper understanding of how clinical and biomechanical outcomes correlate with the amplification of inflammation, helping us comprehend the interaction between biomarkers and negative post-treatment prognosis in patients with aortic valve diseases.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

HORIZON-ERC - HORIZON ERC Grants

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) ERC-2024-STG

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Instytucja przyjmująca

POLITECNICO DI MILANO
Wkład UE netto
€ 1 198 295,00
Koszt całkowity
€ 1 198 295,00

Beneficjenci (2)