Summaries of Big Data in Health 2017 Talks

Riepilogo degli interventi  |  Summaries of Big Data in Health Talks

 

 

ITALIAN by Pierpaolo Cavallo ENGLISH translation by Enrico Capobianco
Federico Ruggieri – Direttore GARR

Le Reti della Ricerca per accedere ai Big Data

Presentazione sintetica della infrastruttura GARR e sua capacità di supportare flussi e storage per Big Data in tutti i campi. Per l’area health, il più rilevante flusso è quello sulle sequenze di DNA, che raddoppia ogni 6-8 mesi, con previsione di mantenere il trend per i prossimi 8-10 anni.

 

 

Federico Ruggieri – GARR Director

Big Data Research Networks

Infrastructure GARR and capacity tuned to Big data in every scientific field. In the Health area, most flow acticity is due to DNA sequences doubling every 6-8 months, and predicted to consistently do so for the next 8-10 years.

 

 

Sabrina Molinaro – Direttore Epidemiologia IFC-CNR Pisa

Dalle guidelines alla precision medicine

Necessità di convertire i dati in conoscenza utile alla medicina: esistono diverse ontologie del dato, riferibili ai diversi ambienti (sociale, terapeutico, manageriale, personale del paziente, personale della famiglia, etc.). Esse vanno integrate sulla base del modello teorico che la patologia non è uno stato ma un processo, e che il paziente non è la sua patologia ma ha un profilo individuale fisiologico e patologico.

 

 

Sabrina Molinaro – Epidemiology Director, IFC-CNR Pisa

From guidelines to precision medicine

Necessity to convert data into knowledge useful to medicine. Ther eare various data ontologies, referred to different environments (social, therapeutic, management, patient-specific, family-specific, etc.). These must be integrated based on a theoretical model centered on two facts: a pathology is a process instead of a state, and a patient ‘s profile is not her/his pathology.

 

 

Giovanni Tripepi – Responsabile Sede IFC-CNR Reggio Calabria

L’importanza dei big data in Nefrologia

Il rischio di mortalità ed eventi cardiovascolari nei pazienti nefropatici è aumentato, e nei dializzati ancora di più. La comparazione di differenti strategie di trattamento e l’identificazione di nuovi fattori di rischio sono priorità di Sanità Pubblica per l’area nefrologica, ed in tal senso la miglior strada appare essere l’incremento della ricerca su grandi database.

 

 

Giovanni Tripepi – Head of IFC-CNR site, Reggio Calabria

Relevance of big Data in Nephrology

The risks of mortality and cardiovascular events in nephropathic patients has increased, especially for those under dialysis. The comparison of various strategies and the identification of new risk factors are current priorities in Healthcare for this specific field, and a very promising direction seems the one seekign to increase Big Data research.

 

 

Marco Dominietto – Department of Biomedical Engineering – University  of Basel

“Big Data e imaging diagnostico: una nuova frontiera nella personalizzazione della terapia”

L’imaging diagnostico produce per ciascun paziente grandi masse di dati; di essi, il 5% in genere è sufficiente per fare diagnosi, ma il restante 95% si può usare per la predizione degli esiti del trattamento. In oncologia, attraverso applicazioni di network analysis e machine learning è possibile individuare “in vivo” digital biomarkers che possono essere target di terapia radiante o aree di monitoraggio per terapia farmacologica.

 

 

Marco Dominietto – Department of Biomedical Engineering – University of Basel

“Big Data and Diagnostic Iimaging: a new frontier in personalized medicine”

Diagnostic imaging yields for each patient large volumes of data, of which only 5% is sufficient for the diagnosis, while the remaining 95% can be used to predict treatment outcomes. In oncology, through the application of network analysis and machine learning it is possible to identify in vivo so-called digital biomarkers, possibly used as targets of radiation therapy or for monitoring pharmacological therapies.

 

 

Janet Sultana – Dip. Scienze Biomediche, Univ. Messina e Dept. of Medical Informatics, Rotterdam

“Multiple database studies: opportunities and challenges for post-marketing drug surveillance”

Il mondo del “real world healthcare data” include dati molto variegati, dai registri di malattia ai database amministrativi; l’uso di queste fonti permette numerose attività di ricerca, anche diversificate rispetto all’originario target del dato, come nel caso del Vioxx oppure dell’uso di antipsicotici negli anziani.

 

 

Janet Sultana – Department of Biomedical Sciences, University of Messina, and Department of Medical Informatics, Rotterdam

“Multiple database studies: opportunities and challenges for post-marketing drug surveillance”

Real world healthcare data includes a variety of data, from disease registriesto administrative databases. The us of such sources allows multile research activities, diversified compared to the initial targets. This is the case with Vioxx, or with the use of antipsychotic drugs in elderly patients.

 

 

Riccardo Bellazzi – Presidente Centro Interdip. Health Technologies, Univ. Pavia

Integrazione di dati clinici e amministrativi per il supporto alla ricerca e alla decisione clinica: i progetti i2b2-Pavia e Mosaic

I big data sono caratterizzati da almeno 2 delle 4 “V”: volume, velocità, varietà, veracità. In campo biomedico la varietà è quella rilevante, e su tale base si sono sviluppati due progetti. Il primo, i2b2, nato al NIH e poi attivato anche a Pavia, ha testato l’integrazione di big data clinici in aree come oncologia, cardiologia e diabetologia. IL secondo, Mosaic, finanziato in FP7, ha realizzato un decision support tool per la predizione del rischio ed il data mining longitudinale basato sui dati clinici di circa 100.000 pazienti.

 

 

Riccardo Bellazzi – President of Interdepartmental Center of Health Technologies, University of Pavia

Integrazione di dati clinici e amministrativi per il supporto alla ricerca e alla decisione clinica: i progetti i2b2-Pavia e Mosaic

Big data are characterized by at least two over four Vs: volume, velocity, variety and veracity. In the biomedical field, the mlst relevant is variety, and based on this two projects have been conducted. The first, i2b2, originally from NIH and then activated oin Pavia too tested clinical Big data integration in oncology, cardiology, diabetes. Teh second, Mosaic, and financed by FP7, has led to a decision support tool for the prediction of risk and to a longitudinal data mining based on clinical records of about 100000 patients.

 

 

Raffaele Perego – Direttore HPC Lab, ISTI-CNR, Pisa

“Una soluzione flessibile per l’analisi di dati medico-amministrativi”

La collaborazione tra ISTI-CNR, Normale, Università e Sant’Anna di Pisa, oltre che IMT Lucca, ha permesso di realizare una piattaforma freeware per la gestione dei big data in sanità secondo i formati standard previsti dalla normativa italiana. Il tool, denominato “thematrix” è disponibile sul sito  http://thematrix.isti.cnr.it/ e permette di estrarre e organizzare dati da archivi standard di anagrafe, esenzioni, SDO, farmaceutica territoriale ed a erogazione diretta, e specialistica ambulatoriale.

 

 

Raffaele Perego – HPC Lab Director, ISTI-CNR, Pisa

“Una soluzione flessibile per l’analisi di dati medico-amministrativi”

The collaboration betwee n ISTI-CNR, Normale, University and Sant’Anna in Pisa, together with IMT in Lucca, allowed to build a freeware platform to manage Big data in healthcare following the standards of the Italian law. The tool was called “thematrix” and is available at http://thematrix.isti.cnr.it/; it allows to extact and organize data from various standard administrative archives of the reference territory, including pharmacy and medical exams at both specialized center and family doctors.

 

 

Claudio Franceschi – Professore Emerito, Univ. Bologna e IRCCS Neurologica Sciences, Bologna

“BIG DATA and Aging/Longevity”

Lo studio dell’invecchiamento ha permesso di identificare alcuni processi, tra cui il più rilevante è stato chiamato “inflammaging” e consiste nella produzione e propagazione di molecole infiammatorie che inducono accelerazione dell’invecchiamento cellulare. La ricerca metagenomica ed epigenomica si è progressivamente orientata su studi di network analysis, coivolgente anche il microbiota, e per tutti questi approcci sono impiegati strumenti di big data management.

 

 

Claudio Franceschi – Emeritus Professor, University of Bologna and IRCCS Neurological Sciences, Bologna

“BIG DATA and Aging/Longevity”

The study of aging ha sallowed the identification of some processes, in particular one called “inflammaging” which consists in producing and propagating inflammatory molecules able to accelerate cellular aging. Metagenomic and epigenomic research gradually looked at netwok analyses and involved also the microbiome. In all such modern studies big data management is crucial.

 

 

Alessandro Rossi – Presidente Società Italiana di Medicina Generale

“Umbrianet: il database e la rete di ricerca della Medicina Generale umbra”

Il progetto Umbrianet ha come obiettivo di fondo l’uso delle banche dati dei MMG per attività di ricerca, e come obiettivi specifici a stima dei costi di gestione dei pazienti con diabete tipo 2 e/o scompenso cardiaco, in base a classi (sesso, età, comorbilità, severità) ed obiettivi clinici evidence-based. I primi risultati hanno dimostrato utilità ed attendibilità del sistema, sia in termini di misura di appropriatezza clinica che di sostenibilità economica.

 

 

Alessandro Rossi – President of Italian Society Italiana of General Medicine

“Umbrianet: il database e la rete di ricerca della Medicina Generale umbra”

Umbrianet project has the goal of using MMG databases for research activities, and more specifically aims to estimate the management costs of T2D patients and ADHF patients. Based on classes such as sex, age, comorbidity, severity of disease, and evidenced-based clinical objectives, the initial results have shown system utility and reliability in terms of clinical performance and economic sustainability.

 

 

Maria Frigerio – Direttore Cardiologia, Ospedale Niguarda e “De Gasperis” Cardio Center, Milano

“I Big Data sono utili nel migliorare l’accuratezza di predizione degli outcomes nei pazienti con scompenso cardiaco?”

I modelli prognostici sono largamente utilizzati in clinica ma spesso presentano problemi di applicazione e risultati contraddittori. Il passaggio da trial clinici a big data potrebbe rivelarsi la strada ottimale per superare tali attuali limiti. Inoltre, anche i registri ed i dati amministrativi potrebbero divenire fonti di conoscenza in ottica big data, rendendo quindi ancora più realmente olistico il nuovo approccio.

 

 

Maria Frigerio – Cardiology Director, Ospedale Niguarda and “De Gasperis” Cardio Center, Milano

“I Big Data sono utili nel migliorare l’accuratezza di predizione degli outcomes nei pazienti con scompenso cardiaco?”

Prognostic models are widely used in the clinics but often present problems for their application and for the contradictory results. Stepping from clinical trials to Big data could be important for overcomiong the current limitations. Then, even the registries and the administrative data could become knowledge sources and ake big data the driver of holistic approaches.

 

 

Simonetta Scalvini – Resp.le Cardiologia Riabilitativa e Direttore Scientifico, Fond. Maugeri Lumezzane e Castelgoffredo

Cosa possiamo imparare dall’analisi dei dati amministrativi ospedalieri riguardanti lo scompenso cardiaco: uno studio di dieci anni

Lo studio longitudinale HF DATA ha riguardato l’uso dei dati sanitari regionali per valutare epidemiologia, esiti e indicatori di processo in pazienti scompensati. Ciascun paziente è stato classificato in base alla gravità del quadro ed all’intensità degli eventi e poi sono state valutate le comorbilità e gli esiti, dimostrando che specifiche scelte sia terapeutiche che di gestione del paziente, possono modificare drasticamente la mortalità.

 

 

Simonetta Scalvini – Head of Rehabilitative Caridology and Scientifico Director of Foundation Maugeri Lumezzane e Castelgoffredo

Cosa possiamo imparare dall’analisi dei dati amministrativi ospedalieri riguardanti lo scompenso cardiaco: uno studio di dieci anni

The longitudinal study HF DATA referred to the use of regional healthcare data to evaluate the epidemiology, the outcomes and the indicators of disease in HF patients. Each patient was classified according to disease severity, the intensity of events, and comorbidities togetehr with outcomes, demonstrating that specific choices in therapy and patient care can modify substantially mortality.

 

 

Laura Calabresi – Coord. Centro E. Grossi Paoletti, Dip. Scienze Farm., Università Milano

Integrazione sistematica delle conoscenze per la gestione dei pazienti con ipercolesterolemia: il progetto SKIM LEAN

Il progetto SKIM LEAN riguarda la valutazione della prevalenza dell’ipercolesterolemia non controllata nella catchment area dell’Ospedale Niguarda in pazienti dimessi dopo eventi cardiovascolari o procedure interventistiche ed in outpatient comunque classificabili a rischio. I 25250 pazienti reclutati mediante una analisi sistematica sui big data di laboratorio disponibili, hanno permesso di identificare circa 750 pazienti con ipercolesterolemia familiare a rischio. IL progetto, partito nel 2016, è tuttora in corso.

 

 

Laura Calabresi – Coordinator of Center E. Grossi Paoletti, Department of Pharmacological Sciences, University of Milano

Integrazione sistematica delle conoscenze per la gestione dei pazienti con ipercolesterolemia: il progetto SKIM LEAN

The project SKIM LEAN refers to the evaluation of hypercholesterolemia prevalence out of control in the Niguarda Hospital catchment area for patients that were discharged after cardiovascular events or surgeries or in outpatients classified at risk. 25250 patients were examined through systematic analysis of big lab data, allowing to identify about 750 patients with familial hypercholesterolemia at risk. The project started in 2016 and is still continuing.

 

 

Licia Iacoviello – Dip. Medicina, Univ. Insubria, Varese e Dip. Epidemiologia, IRCCS Neuromed, Isernia

Dal progetto Moli-sani alla Neuromed-integrated health life platform and biobank

L’ipotesi del “suolo comune” indica che le malattie cardiache, cerebrovascolari e neoplastiche potrebbero avere una base comune. Lo Studio MOLI-SANI è in corsdo dal 2005 ed ha arruolato circa 25.000 soggetti sani, seguiti con controlli clinici e di laboratorio ogni 5 anni, con una previsione di durata fino a che vi saranno pazienti, e con una bio bank che al momento raccoglie circa 900.000 campioni biologici. A seguito di ciò è nato un secondo progetto, IHLP, che prevede la nascita di una piattaforma digitale di raccolta e gestione dati di tutti i pazienti afferenti alle cliniche del gruppo Neuromed, composto da 14 cliniche site nel centro-sud Italia.

 

 

Licia Iacoviello – Department of Medicine, University Insubria, Varese and Diepartment of Epidemiology, IRCCS Neuromed, Isernia

Dal progetto Moli-sani alla Neuromed-integrated health life platform and biobank

The common soil hypothesis indicates that cardiovascular, neurovascular and onclogycal diseases could have a common base. The study MOLI-SANI is running since 2005 and included about 25.000 healthy subjects followed with clinical controls and lab tests very 5 years, and with the idea of lasting until patients remain. The biobank is now collecting 900000 biological samples. A second project was generated, IHLP, which aimd to build a digital platform for gathering and managing all information of patients using the services of Neuromed group with its 14 clinics in central and southern Italy.

 

 

Renata Grifantini, Dir. Ricerca Traslazionale, Istituto Nazionale di Genetica Molecolare, Milano

Big data: challenges and opportunity for pharmaceutical and biotechnological research

I big data in health vedono nella veracità la principale sfida, specie perché i dati di NGS possono essere strutturalmente affetti da bias, e nella varietà la principale opportunità, poiché l’eterogeneità li rende interessanti. Nella ricerca farmaceutica, i big data e le tecniche come la network analysis entrano in gioco nel rendere traslazionali i risultati, come ad esempio nella reverse vaccinology, nella drug target discovery e nel repurposing di farmaci già esistenti.

 

 

Renata Grifantini, Translational Research Director, National Institute Molecular Genetics, Milano

Big data: challenges and opportunity for pharmaceutical and biotechnological research

Big data in health have in the veracity the main challenge, especially because NGS data can be affected by bias. They also have in variety the primary opportunity due to heterogeneity. In pharma research Big data and Netwok analysis become game changers as they make translational the results, as int he case of already existing reverse vaccinology, drug0target discovery and drug repurpusing.

 

 

Luca Salmasi, Dip. Scienze Politiche, Univ. Perugia

“Cartelle cliniche elettroniche: nuovi utilizzi e potenziali impatti”

Le cartelle cliniche elettroniche, e più in generale tutti gli EHR, possono essere utilmente sfruttate per ricerca in campi quali la valutazione delle alternative terapeutiche, lo studio della catchment area e la valutazione della cost-effectiveness dei trattamenti. Per ciascuna di queste attività, una volta definito un modello di analisi, sarebbe anche possibile attivare procedure di analisi automatizzata, in tutto o in parte, per ottenere dei sistemi di monitoraggio, previsione e allerta.

 

 

Luca Salmasi, Department of Political Scienze Sciences, Health Economics Unit, University of Perugia

“Cartelle cliniche elettroniche: nuovi utilizzi e potenziali impatti”

Electornic clinical records can be usefully exploited for research aimed to evaluation of therapies, study of catchment area and analysis of treatment cost-effectiveness. In each activity, once the mdoel for analysis is chosen, it is possible to run automaic analytics procedure to obtain systemic monitoring, prediction and alert signals.

 

 

Comments are closed