UNIVERSITA DEGLI STUDI DI PAVIA
Italy

UNIVERSITY OF HAIFA
IL

BIOMERIS SRL
IT

Academisch Medisch Centrum bij de Universiteit van Amsterdam
NL

IBM ISRAEL - SCIENCE AND TECHNOLOGY LTD
IL

Bitsens, JSC
LT

POLITECHNIKA POZNANSKA
PL

ISTITUTI CLINICI SCIENTIFICI MAUGERI SOCIETA' PER AZIONI SOCIETA' BENEFIT
IT

STICHTING HET NEDERLANDS KANKER INSTITUUT-ANTONI VAN LEEUWENHOEK ZIEKENHUIS
NL

Deontics Ltd.
UK

ASSOCIAZIONE ITALIANA DI CANCRO, PARENTI E AMICI - AIMAC
IT

UNIVERSIDAD POLITECNICA DE MADRID
ES

L'obiettivo generale di CAPABLE è quello di combinare le tecnologie più avanzate per la gestione dei dati e delle conoscenze con un solido approccio socio-psicologico al fine di sviluppare un sistema di coaching per migliorare la qualità della vita dei malati di cancro. Il sistema mira a individuare e gestire tempestivamente i problemi legati al cancro e a soddisfare le esigenze dei pazienti e dei loro caregiver a casa. Per fare ciò, il sistema deve anche supportare gli oncologi per fornire in remoto raccomandazioni e consigli tempestivi ai loro pazienti. Il sistema sarà in grado (i) di autoadattarsi a un paziente specifico, da un giovane paziente per il quale il cancro è l'unico, seppur grave, problema di salute, a un paziente anziano che, oltre al cancro, ha molte comorbilità e (ii) reagire in maniera più mirata in base ad una tendenza fisica o mentale che ci sia aspetta dal paziente, a causa degli ovvi problemi che ogni malato di cancro deve affrontare.
Lo scopo primario è quello di ridurre il gap tra pazienti e tecnologia, ma anche di costruire un sistema che possa avere un reale impatto sulla qualità della vita del paziente.

Gli obiettivi specifici sono stati suddivisi in 3 categorie:
a) Bisogni degli stakeholders (UEO – User Experience Objectives)
b) Soluzione tecniche ai suddetti bisogni (TO – Technical Objectives)
c) Sfide scientifiche (SO – Scientific Objectives)

Bisogni degli stakeholders (UEO)
UEO1 - Identificazione dei bisogni dei nuovi pazienti e dei caregiver a casa
Individuare, classificare e prioritizzare le nuove esigenze dei malati di cancro e dei loro familiari a casa, sfruttando principalmente i dati forniti dall'associazione dei pazienti
UEO2 - Promuovere il coinvolgimento dei pazienti
Migliorare il coinvolgimento dei pazienti attraverso un sistema di coaching virtuale basato sul modello trans-teorico di cambiamento comportamentale, un modello ben noto nella ricerca psicologica che ha già dimostrato di essere efficace in altri settori (ad esempio, negli interventi per smettere di fumare), che fornirà anche loro un'informazione tempestiva e personalizzata
UEO3 - Migliorare il sottoporsi dei pazienti al trattamento
Migliorare il sottoporsi dei pazienti al trattamento acquisendo PRO e PRE, fornendo migliori informazioni con conseguente migliore coinvolgimento e gestione tempestiva degli eventi avversi che spesso portano i pazienti a interrompere o ridurre i dosaggi dei farmaci
UEO4 - Affrontare i problemi emotivi dei pazienti
Supportare i pazienti con una consulenza di salute mentale di primo livello (supporto emotivo) quando i dati raccolti iniziano a suggerire un peggioramento della qualità della vita o problemi emotivi
UEO5 - Supportare l'uso di linee guida interpretabili al computer (CIG) per gli operatori sanitari
Facilitare l'accesso degli operatori sanitari alle linee guida cliniche, specialmente quando coesistono più condizioni in un singolo paziente. Questo obiettivo prevede l'armonizzazione di diverse linee guida per affrontare la comorbidità, il che implica fornire spiegazioni agli utenti su una possibile risoluzione dei conflitti
UEO6 - Miglioramento dei flussi di lavoro clinici
Migliorare i flussi di lavoro degli operatori sanitari identificando prontamente quali pazienti prioritizzare e abbreviando la durata delle visite di controllo grazie a una migliore comprensione delle condizioni del paziente, come previsto dalla dashboard CAPABLE per i medici

Obiettivi tecnologici (TO)
TO1 - Promuovere la gestione dei dati attraverso terminologie standard, modellizzazione dei dati e principi FAIR
Fornire integrazione di dati semantici basata su terminologie (ad es. SNOMED-CT, CTCAE, LOINC, ICD10) * e standard di modellizzazione (ad es. OMOP-CDM) per la rappresentazione dei dati sanitari e i principi di reperibilità, accessibilità, interoperabilità e riusabilità (FAIR) bilanciando tutto con con maggiori livelli di privacy e sicurezza
TO2 - Integrare (grandi) dati provenienti da diverse fonti
Fornire un'architettura in grado di gestire i dati provenienti da diverse fonti in modo scalabile ed efficiente: dai dati clinici a quelli a supporto della ricerca, da quelli generati attraverso dispositivi e sensori indossabili a questionari e interviste amministrate alle parti interessate, dalle raccomandazioni delle linee guida cliniche ai risultati della loro applicazione
TO3 - Integrazione dei dati, conoscenze e intelligenza artificiale
Implementazione di un componente centralizzato (Case Manager) responsabile dell'integrazione dei moduli dati e dei moduli AI guidando il processo di ragionamento all'interno del sistema secondo un'ontologia di eventi scatenanti (ad es. Innescare un particolare modello predittivo quando diventano disponibili nuovi dati)
TO4 - Utilizzo della valutazione delle tecnologie sanitarie come base per lo sviluppo del sistema
Sviluppare l'intero sistema all'interno di un quadro globale di valutazione delle tecnologie sanitarie (HTA), il che significa che ogni iterazione sarà sottoposta a valutazione formale secondo i principi HTA, che garantirà la valutazione e la mitigazione del rischio, comprese le conseguenze indesiderate e la sostenibilità. Questo obiettivo include gettare le basi per mostrare il costo / efficacia di CAPABLE per lo sfruttamento futuro.
Obiettivi scientifici (SO)
SO1 - Identificazione dei divari tra le linee guida cliniche e le esigenze dei pazienti
Identificare le lacune tra le esigenze dei pazienti scoperte nei dati e le linee guida disponibili (ad esempio, potrebbero esserci alcune esigenze che le linee guida non affrontano ancora);
SO2 - Identificazione di nuovi effetti collaterali
Identificazione di eventi collaterali) di nuove terapie (O relativamente nuove) o di effetti a lungo termine sconosciuti del trattamento del cancro. Questo obiettivo è particolarmente importante per l'immunoterapia ed è di grande interesse sia per gli oncologi che per le compagnie farmaceutiche
SO3 - Sviluppo di nuovi modelli di decorso della malattia
Sviluppo di nuovi modelli di intelligenza artificiale basati sui dati per il decorso del carcinoma renale e del melanoma, che potrebbero favorire interventi più personalizzati. I modelli forniranno la previsione di effetti collaterali, recidiva e progressione della malattia
SO4 - Gestione della multimorbidità attraverso il supporto decisionale basato su CIG
Sviluppare un quadro per integrare e armonizzare diverse linee guida per gestire la multimorbidità e identificare metodi per giustificare le raccomandazioni in caso di linee guida in conflitto
SO5 - Estensione dei linguaggi di formalizzazione delle linee guida per includere modelli predittivi
Estensione del linguaggio di rappresentazione delle linee guida per supportare l'uso sia dell'argomentazione basata sugli obiettivi sia dei modelli predittivi (AI) nel processo decisionale

I dati estrapolati di Aimac verranno incrociati con i dati dell’ICSM Hospital, l’NKI hospital e dall’ OPEN DATA (Tipo ARPA della Regione Lombardia). Successivamente, verranno di volta in volta incrociati con i dati raccolti in ospedale e a casa durante la ricerca nella fase pilota.