Ricerc@Sapienza

L’attività di ricerca del gruppo di lavoro in ambito preclinico e clinico è focalizzata sull’investigazione dei meccanismi che regolano le interazioni multiorgano nella fisiopatologia cardio e neurovascolare. Particolare oggetto di studio sono le interfacce tra il sistema nervoso, sistema immunitario e il sistema cardiovascolare, nell’eziologia di patologie cardio- e cerebrovascolari e nel danno d’organo ad esse associato. L’area tematica comprende i seguenti principali ambiti di ricerca:

i) il danno cerebrale indotto da patologie croniche cardiovascolari, quali l’ipertensione arteriosa e lo scompenso cardiaco, oggetto di studio sia nei modelli sperimentali preclinici, sia nei pazienti afferenti all’unità di ricerca clinica. In questo filone di ricerca, lo scopo principale è quello di identificare marcatori precoci di un danno cerebrale ancora pre-sintomatico, sfruttando in particolare tecniche di neuro-imaging avanzato, sia nel piccolo animale, sia nell’uomo.

ii) il ruolo della risposta immunitaria nel mediare le interazioni stabilite tra sistema nervoso e cardiovascolare nell’eziologia e nel danno d’organo a carico dei distretti periferici cardiaco, renale e vascolare. I meccanismi neuro-immunitari che partecipano all’eziologia delle patologie cardiovascolari e all’instaurarsi del danno d’organo a carico del distretto renale, cardiaco e vascolare sono studiati in modelli animali, sfruttando tutti gli approcci più avanzati di ingegneria genetica, e mediante tecniche di microneurografia e analisi dell’immuno-fenotipo e della funzione cardiovascolare opportunamente miniaturizzate. Le attività di questa tematica mirano a caratterizzare le influenze neuro-immunitarie in patologie come il processo aterosclerotico e lo scompenso cardiaco.

iii) ricerca su modelli computazionali avanzati e intelligenze artificiali per l'elaborazione di immagini multimodali per la caratterizzazione del danno cerebrale nelle patologie croniche cardiovascolari: l’attività progettuale è orientata in larga parte allo sviluppo ed implementazione dei modelli fondativi per la segmentazione delle immagini digitali. Uno dei modelli sviluppati è ottenuto mediante ‘Gaussian Mixture Model’, atto a discriminare in maniera automatica tessuti rappresentati in immagine da diverse intensità.