Akadēmiskais centrs
1.Pilns projekta nosaukums latviešu un angļu valodā – «Integrētais modelis prediabēta monitorēšanai, izmantojot uz mākslīgo intelektu balstītu automatizēto riska stratificēšanas modeli».
Physics informed machine learning-based prediction and reversion of impaired fasting glucose management.
2.Projekta saīsinājums: PRAESIIDIUM (no latīņu valodas “praesidium” – “aizsardzība, aizbildnība”).
3.Projekta numurs: 
Pētniecības projekts PRAESIIDIUM ir saņēmis finansējumu no Eiropas Savienības programmas HORIZON-HLTH-2022-STAYHLTH-02 (līguma Nr. 101095672).
4.Projekta partneri un darba grupa Latvijā:
Projekta koordinators ir informācijas un komunikācijas tehnoloģiju centrs Spindox (Trento, Itālija). Projekta partneri: Latvijas Universitāte, Elektronikas un datorzinātņu institūts (EDI) (Latvija), Grācas Medicīnas universitāte (Grāca, Austrija), Itālijas pētniecības padome - Lietišķās skaitļošanas institūts (Roma, Itālija), Dienvidšveices Lietišķo zinātņu un mākslas universitāte (Manno, Šveice), konsultācijas uzņēmums Euronet (Brisele, Beļģija), Robotikas skola (Dženova, Itālija), uzņēmums “CheckHealth“ (Danderida, Zviedrija), Itālijas aknu fonds ONLUS (Trieste, Itālija), uzņēmums HK3 LAB S.R.L (Rovereto, Itālija).
Latvijas komandas vadītāja ir vadošā pētniece Dr.med. Jeļizaveta Sokolovska
Projekta administratīvā vadītāja Laureta Buševica
Medicīnas māsa Irēna Puzirevska
Medicīnas māsa, zinātniskais asistents Aleksejs Fedulovs
Vecākā eksperte Sabīne Skrebinska
Vecākā eksperte Guna Bīlande
Pētniece Dr.med., Asoc. Prof. Līga Plakane
Pētniece Mg. Sci. Zane Šmite
Pētniece Mg. Sci Sofija Ivanova
Pētniece Marina Arisova
5.Īstenošanas laiks: 01.01.2023 – 31.03.2025.
6.Projekta kopējais finansējums: 5 808 740 EUR
7.Projekta oficiālā mājaslapa: https://praesiidium.spindoxlabs.com/
8.Par projektu:
Pētījuma mērķis ir testēt projektā PRAESIDIUM izstrādāto matemātisko algoritmu (physics-informed machine learning (PIML) algorithm), kas tiks dizainēts prediabēta (glikozes tolerances traucējumu) reālā laika riska noteikšanai.
Pacientu iesaiste notiks divās valstīs – Austrijā un Latvijā. Latvijas pētījuma centrā tiks iesaistīti citādi veseli pieauguši indivīdi vecumā no 18 gadu vecuma līdz 65 gadiem ar normoglikēmiju (respektīvi, glikoze tukšā dūšā venozās asinīs līdz 5,6 mmol/L; HbA1c zem 5,7%), bet ar virssvaru vai 1. pakāpes aptaukošanos, respektīvi, aprēķinātais ķermeņa masas indekss no 25 līdz 34,9 kg/m2 robežai. Turpretī kolēģi no Austrijas analizēs pacientu grupu ar ķermeņa masas indeksu no 18,5 līdz 24,9 kg/m2 robežai, kuriem ģimenē 1. vai 2. pakāpes radiniekiem ir diagnosticēts 2. tipa cukura diabēts.
Pētījumā prognozēšanas algoritms būs balstīts uz datorredzes un mašīnmācīšanās pieeju, proti, tiks kombinēti dažāda veida dati – reālās dzīves datu kopa, kas iegūta no esošajiem un jaunajiem klīniskiem pētījumiem (no abiem pētījuma centriem), apvienojot ar matemātiskiem modeļiem. Reālās dzīves datu kopā tiks ņemti vērā dažādi parametri – glikozes variabilitāte tiks novērtēta, izmantojot pastāvīgās glikozes monitorēšanas sensoru, katra dalībnieka fizisko aktivitāšu biežums un daudzveidība tiks noteikta, izmantojot fitnesa aproci (FitBit Charge 5), no kuriem daļa no pētījuma kopas dalībniekiem tiks aicināti testēt Elektronikas un datorzinātņu institūtā izstrādāto aproci EDIBit. Pacientu bioloģiskajos materiālos tiks pētīti variabli iekaisuma marķieri, sāta hormons (leptīns) u.c. parametri. Tāpat tiks ievākti dati par dalībnieku uztura paradumiem. Sadarbībā ar uztura speciālistiem tiks sniegtas diētas rekomendācijas saskaņā ar starptautiski atzītām vadlīnijām. Savukārt, sporta fiziologi noteiks katra pētījuma dalībnieka fiziskās aktivitātes līmeni un sniegs atbilstošas rekomendācijas pastāvīgiem attālinātiem treniņiem ar mērķi uzlabot vispārējo pašsajūtu, iespējams, veikt svara korekcijas. Kopējais pacientu iesaistes laiks pētījumā ir četri mēneši, ietverot trīs klātienes vizītes. Pētījuma rezultātus ir plānots apkopot un informēt plašu sabiedrības daļu – gan rakstot publikācijas starptautiski atzītos medicīnas žurnālos, gan arī informēt sabiedrību kopumā un, iespējams, izstrādāt algoritmu, kā agrīni riska grupas pacientus var pasargāt no prediabēta attīstības.