Alla castellanese Federica Caforio, l'ambita borsa di ricerca ''Women in science'' della L'ORÉAL Austria, un grant che vuole supportare la ricerca nelle STEM al femminile.
Dal 2007, infatti, L'ORÉAL Austria, in collaborazione con la Commissione austriaca per l'UNESCO e l'Accademia austriaca delle scienze, con il sostegno del Ministero federale dell'Istruzione, della Scienza e della Ricerca, assegna ogni anno quattro borse di studio a giovani ricercatrici di base nei settori della medicina, delle scienze naturali e della matematica.
Gli obiettivi riguardano il completamento di un progetto di ricerca o una tesi di dottorato, la preparazione di un progetto di ricerca da sottoporre a finanziamenti nazionali o internazionali, o il reinserimento dopo un soggiorno di ricerca all'estero o dopo un congedo parentale. La somma del grant è di € 25.000,00.
Il progetto siglato dalla nostra concittadina ha per oggetto "Integrazione di modelli basati sulla fisica e sui dati per la creazione di un digital twin cardiaco".
"Mi occupo dello sviluppo matematico e computazionale di modelli in silico della funzione cardiaca, dell'applicazione pratica di questi modelli per l'analisi dei meccanismi multiscalari e multifisici alla base della funzione cardiaca in situazioni fisiologiche e patologiche e della loro personalizzazione per l'applicazione clinica. Questa ricerca è multidisciplinare e combina i progressi di diversi campi come la cardiologia, l'ingegneria biomedica e la matematica applicata. Il team in cui lavoro ha sviluppato un modello 3D multiscala della funzione elettromeccanica cardiaca. Integrando questi modelli con metodi numerici appositamente sviluppati, siamo in grado di rappresentare l'intero comportamento dell'organo accoppiato al sangue durante il battito cardiaco. La necessità di validare e calibrare i modelli e di progettare modelli specifici per il paziente a fini predittivi nelle applicazioni cliniche ha motivato ulteriori ricerche fondamentali sulla stima dei parametri e sull'assimilazione dei dati. Pertanto, attualmente mi sto concentrando su nuovi metodi di stima che siano ben adattati ai rispettivi modelli e dati e che combinino approcci basati sui modelli matematici e i dati", spiega Federica Caforio.
"L'obiettivo generale di questo progetto è sviluppare nuovi metodi basati su strategie di apprendimento automatico (machine learning) basate su problemi inversi fisicamente informati per una calibrazione accurata, specifica per il paziente, di modelli cardiaci elettromeccanici. L'approccio proposto apre la strada alla creazione di gemelli digitali efficienti e robusti del sistema cardiovascolare destinati ad applicazioni cliniche, come la stima di biomarcatori non misurabili, per aiutare le diagnosi. Sulla base di nuovi metodi di apprendimento automatico e dell'integrazione con modelli cardiovascolari, verranno sviluppati metodi di calibrazione per stimare i parametri del modello e fornire intervalli di fiducia nelle previsioni del modello", prosegue.
"Per la prima volta, un approccio di apprendimento automatico guidato dai dati sarà integrato e analizzato per risolvere in modo efficiente i problemi inversi nei modelli multifisici della funzione cardiaca. Inoltre, verrà costruito un nuovo ed efficace modello surrogato ridotto per eseguire un'analisi approfondita della quantificazione dell'incertezza nella stima dei parametri", conclude.
Chi è Federica Caforio?
Laurea triennale in Matematica presso l'Università degli studi di Bari e laurea magistrale in Matematica applicata presso l'Università di Trento, ha svolto un tirocinio presso il Weierstrass Institute for Applied Analysis and Stochastics (WIAS) di Berlino per la tesi di laurea magistrale su metodi inversi per la modellazione di flussi sanguigni monodimensionali. Dottorato di ricerca in matematica applicata presso l'Università di Parigi-Saclay, ha lavorato nel gruppo di ricerca M3disim, specializzandosi nella modellizzazione matematica e la simulazione numerica della propagazione delle onde elastiche nei tessuti molli, con applicazione all'elastografia a ultrasuoni del cuore. Dopo un primo PostDoc nel Laboratorio di Cardiologia Computazionale presso l'Università di Medicina di Graz, in Austria, dal 2020 è all'Istituto di Matematica e Informatica Scientifica dell'Università di Graz, come assistente universitaria con dottorato. Attualmente si occupo della modellazione matematica e computazionale della funzione cardiovascolare e della personalizzazione per l'implementazione clinica, integrando metodi matematici e machine learning.
Sopra e sotto, scatti dalla cerimonia di premiazione, copyright: @leadersnet/Greabu