PNRR-TR1-2023-12377797
Finanziamenti Piano Nazionale di Ripresa e Resilienza (PNRR)
Il Piano Nazionale di Ripresa e Resilienza (PNRR), finanziato con le risorse del Next Generation EU, si articola in 6 Missioni, ovvero aree tematiche principali su cui intervenire, individuate in piena coerenza con i 6 pilastri del Next Generation EU. Le Missioni si articolano in Componenti, aree di intervento che affrontano sfide specifiche: processi di digitalizzazione, transizione ecologica, inclusione sociale, istruzione, ricerca e salute.
Il Policlinico di Palermo è destinatario di finanziamenti nell'ambito del Piano Nazionale di Ripresa e Resilienza (PNRR) - Missione 6 - Componente 2 - Investimento 2.1 " Valorizzazione e Potenziamento della Ricerca biomedica del SSN", con 17 progetti finanziati nel primo bando (2022) e 15 progetti finanziati nel secondo bando (2023).
Inoltre, il Policlinico di Palermo è stato anche destinatario di progetti relativi alla Missione 1 – Componente 1 – Investimento 1.4 “Servizi e Cittadinanza Digitale”, come:
- Misura 1.4.3 ADOZIONE PAGOPA – ALTRI ENTI (Regioni/Province autonome, Aziende sanitarie locali e ospedaliere, Università, Enti di ricerca e AFAM) - OTTOBRE 2023
- Misura 1.4.3 APP IO - ALTRI ENTI (Regioni /Province autonome, Aziende sanitarie locali e ospedaliere, Università, Enti di ricerca e AFAM) MAGGIO 2022”
- Misura 1.4.4 - Estensione dell’Utilizzo delle piattaforme d’Identità Digitali - SPID e CIE - Amministrazioni Pubbliche diverse da Comuni e Istituzioni Scolastiche - MAGGIO 2022 .
| CUP: I73C24000300006 | Codice Progetto: PNRR-TR1-2023-12377797 |
| Resp. Scientifico: Prof. Giuseppe Brancatelli | Destinatario Istituzionale: Galeazzi |
| Budget Totale: € 1.000.000,00 | Budget AOUP: € 299.300,00 |
Imaging-based Artificial Intelligence diagnosis of Musculoskeletal Sarcomas (AI-MUSARC)
Preoperative characterization of bone and soft-tissue sarcomas relies on biopsy and imaging. However, biopsy suffers from sample errors. Imaging is crucial, but overlapping imaging features can be observed for both benign and low-grade tumors as well as low- and high-grade lesions. Inaccurate preoperative diagnosis may result in an inadequate treatment and subsequent need for further interventions, with increased morbidity. Hence, pathology and imaging may be implemented using radiomics-based machine learning models for tumor diagnosis. This project aims to construct radiomics-based machine learning models for characterization of bone and soft-tissue sarcomas and validate these models in a multi-center setting in comparison with expert physicians. After validation, these models may be immediately transferred to clinical practice, reducing the need of unnecessary biopsies and maximizing the performance of current methods for diagnosis of musculoskeletal sarcomas.