Vascular Inflammation early discoverieS through Transformative computational Approaches

Projektbeschreibung

Gefäßentzündungen mit integrativer Intelligenz entschlüsseln

Gefäßentzündungen sind eine der Hauptursachen für Herz-Kreislauf-Erkrankungen, darunter auch Atherosklerose, die oft erst in fortgeschrittenen Stadien diagnostiziert und behandelt werden. Früher eingreifen zu können, setzt ein besseres Verständnis dafür voraus, wie Entzündungen aus den Wechselwirkungen zwischen mechanischen, biologischen und chemischen Prozessen auf verschiedenen Ebenen hervorgehen. Im Zuge des ERC-finanzierten Projekts VISTA wird ein rechnergestütztes Rahmenkonzept entwickelt, das physikalisch fundierte Modelle mit KI-gesteuerten Wissensnetzwerken verbindet. Das Projektteam erstellt anhand der Kombination aus Biomechanik, Mechanobiologie und systemischen Prozessen, die die Gefäßgesundheit beeinflussen, virtuelle Patientenmodelle, die die dynamischen Mechanismen erfassen, die der Gefäßentzündung bereits in ihren frühesten Stadien zugrunde liegen. Über die Verbesserung der Diagnostik und personalisierter Therapien hinaus zielt die Arbeit von VISTA darauf ab, ein integratives Intelligenz-Rahmenwerk zur Untersuchung multifaktorieller Systeme voranzubringen, in dem die sich aus dem Zusammenspiel von Daten, Maßstäben und Mechanismen ergebende Komplexität berücksichtigt und strukturiert wird.

Ziel

Vascular inflammation (VI) drives most cardiovascular diseases, the leading cause of global mortality and disability, with atherosclerosis as a key manifestation. Current clinical strategies focus on advanced stages of atherosclerosis, where interventions yield limited benefits. VISTA aims to transform this paradigm by pioneering computational tools for early diagnosis and treatment, bridging the gap between preclinical research and clinical translation. VISTA integrates computational mechanics, chemo-mechano-biology, and machine learning to tackle the challenges of multifactorial diseases. By introducing groundbreaking in silico tools, it seeks to reshape our understanding of VI, advancing preventive and personalized cardiovascular medicine.

Key challenges in VI include: (1) Current approaches struggle to synthetise the wealth of evidence on the interplay between biomechanics, biology, and systemic processes. (2) Translating causal insights into clinical applications requires linking evidence to precise mechanisms. (3) Clinical approaches and preclinical research remain rooted in traditional theories, lacking support from in silico tools that fail to incorporate real-world perspectives.

VISTA tackles these challenges through three objectives: (1) Developing a graph-informed modelling approach to create virtual patient models by synthesizing evidence-based networks of multiscale interactions. (2) Uncovering mechanistic pathways of VI by creating workflows that combine physics-based models, surrogate modelling, and generative AI. (3) Demonstrating the credibility of in silico methods in clinics and biomedical research.

This roadmap will deliver an innovative framework for the early discovery of multifactorial VI mechanisms, uniquely integrating tissue biomechanics, systemic physiopathology, and cell biology. It will advance patient-specific modelling and enable in silico clinical trials, opening pathways for early interventions and transformative therapies.