ATGCCGGAATTGGCACATAACAAGTACTGCCTCGGTCCTTAAGCTGTATTGCACCATATGACGGATGCCGGAATTGGCACATAACAAGTAC
TGCCTCGGTCCTTAAGCTGTATTGCACCATATGACGGATGCCGGAATTGGCACATAACAACGGTCCTTAAGCTGTATTGCACCATATGACG
GATGCCGGAATTGGCACATAACAAGTACTGCCTCGGTCCTTAAGCTGTATTTCGGTCCTTAAGCTGTATTCCTTAACAACGGTCCTTAAGG
ATGCCGGAATTGGCACATAACAAGTACTGCCTCGGTCCTTAAGCTGTATTGCACCATATGACGGATGCCGGAATTGGCACATAACAAGTAC
TGCCTCGGTCCTTAAGCTGTATTGCACCATATGACGGATGCCGGAATTGGCACATAACAACGGTCCTTAAGCTGTATTGCACCATATGACG
GATGCCGGAATTGGCACATAACAAGTACTGCCTCGGTCCTTAAGCTGTATTTCGGTCCTTAAGCTGTATTCCTTAACAACGGTCCTTAAGG


Il nostro gruppo si concentra sullo sviluppo di nuovi approcci di intelligenza artificiale e apprendimento automatico su misura per dati biomedici complessi e multimodali, al fine di chiarire i meccanismi del cancro, dal livello intracellulare a quello del paziente. Il nostro obiettivo è apprendere rappresentazioni interpretabili del microambiente tumorale integrando dati omici (spaziali) a singola cellula e dati istopatologici, e comprendere come i tumori rispondono alle perturbazioni farmacologiche ex vivo, per arrivare infine ad approcci oncologici di precisione assistiti dall'intelligenza artificiale.