Il corso si prefigge di fornire allo studente le conoscenze necessarie sulle principali tecniche di analisi di intelligenza artificiale utilizzabili e sulla loro appropriatezza e applicazione nella interpretazione dei dati di laboratorio utili nella diagnostica medica.
Modulo e/o Codocenza | Docente | CFU |
---|---|---|
Modulo di Scienze tecniche di medicina laboratorio | Natalia Malara | 4 |
Modulo di Scienze tecniche mediche applicate | Alessia Sarica | 3 |
Modulo di Scienze tecniche mediche applicate | Fabiana Novellino | 1 |
Modulo di Scienze tecniche mediche applicate | Vera Gramigna | 1 |
Scuola di Farmacia e Nutraceutica - Data stampa: 13/10/2024
Lo studente dovrà acquisire nozioni sulle tecniche e metodologie AI utilizzate nella medicina di precisione, sulla loro scelta alla luce di vantaggi e svantaggi in relazione al quesito diagnostico e/o prognostico. Dovrà inoltre imparare a comprendere ed utilizzare il lessico specifico in maniera corretta e consapevole.
Programma del Modulo di Scienze Tecniche di medicina di laboratorio
La medicina di laboratorio nella medicina di precisione
-Cenni di metodologie di laboratorio utili nella medicina di precisione:
Microscopia: ottica ed a fluorescenza. Tecniche elettroforetiche. Tecniche Immunometriche. Chemiluminescenza. Spettrofotometria. Tecniche di colture primarie. Citometria e Citofluorimetria. PCR, Real Time PCR, RT-PCR, PCR in situ. Valutazione dell’errore pre analitico e analitico. Definizione e analisi di sensibilità e specificità. Definizione di biomarcatori diagnostici. Valore predittivo. Test di screening e test diagnostici. Test riflessi. Variabilità biologica. Variabilità intrapaziente e interpaziente. Valori di riferimento. Controllo di qualità. Validazione clinica
-Metodi di laboratorio e applicazioni AI
• Applicazioni di AI e ML nella diagnosi delle malattie del metabolismo
• Applicazioni di AI e ML nella diagnosi malattie infettive e autoimmuni
• Applicazioni di AI e ML nella diagnostica tumorale e la valutazione della malattia minima residua
• Applicazioni di AI e ML nella diagnostica cardiologia
• Applicazioni di AI e ML nella medicina di emergenza
• AI e ML in Digital Patholgy
• AI e ML nei Lab-on-chip e Homecare surveillance
Programma del Modulo di Scienze tecniche mediche applicate
Scienza dei Dati e modelli di Machine Learning con Applicazioni in Orange (Dott.ssa Sarica)
• Exploratory Data Analysis (EDA): analisi statistica descrittiva e tipologie di plot per la rappresentazione grafica di dati.
• Tecniche di unsupervised learning: algoritmi di clustering per la stratificazione di pazienti e metriche di valutazione del clustering.
• Tecniche di supervised learning: modelli predittivi (Naïve Bayes, SVM, Random Forest e Reti neurali) per la diagnosi automatica dei pazienti e valutazione delle loro performance.
Applicazioni di AI e ML alla diagnostica delle malattie del sistema nervoso (Dott.ssa Novellino)
• Principali ambiti clinici di applicazione con particolare riferimento alle patologie degenerative del sistema nervoso.
• Tipologie di dati che è possibile acquisire: variabili cliniche, neurofisiologiche e bioimmagini (RMN, PET, scintigrafia).
• Individuazione del quesito clinico e dei parametri di interesse.
• Applicazioni di AI e ML per la diagnosi, la predizione e la stratificazione clinica dei pazienti nella medicina di precisione.
Applicazioni di AI e ML nei disordini del movimento (Dott.ssa Gramigna)
• Introduzione all’analisi del cammino in una popolazione sana e in pazienti con patologie neurodegenerative.
• Devices tecnologici per l’analisi della postura e del movimento in clinica.
• Analisi dei parametri cinematici spazio-temporali che caratterizzano il processo di deambulazione.
• Principali algoritmi di intelligenza artificiale per l’analisi del cammino e per l’identificazione di patologie che causano alterazioni della deambulazione.
Si ritiene che siano necessarie circa 72 ore per lo studio individuale degli argomenti previsti dal programma del Corso.
Lezioni frontali mediante utilizzo di presentazioni in formato Power Point, discussione delle tecniche di machine learning applicate su esempi clinico laboratoristici relativi alla medicina di precisione
Mauro Maccarrone. Metodologie biochimiche e biomolecolari. Zanichelli 2019.
• F. Amaldi et al. Tecniche e metodi per la biologia molecolare. Casa editrice Ambrosiana 2021.
• La Medicina di Laboratorio nell' Emergenza : (a cura di): Gandolfo GM, Amoroso A, Temperilli F, Borrelli V Conti L, Criniti A, Malara N. Editore Delfino 2020.
• Scienza ed Ingegneria dei Dati – Un Percorso di Apprendimento in Italiano. Di Mario A.B. Capurso
– Volume 1: Aspetti Metodologici, Acquisizione Dati, Gestione e Pulizia, Analisi e Visualizzazione con Applicazioni in Orange.
– Volume 2: Exploratory Data Analysis, Metriche, Modelli Con Applicazioni Nell’ambiente Python-Based Orange.
• I sistemi di intelligenza artificiale come strumento di supporto alla diagnostica, a cura di Consiglio Superiore di Sanità - Sezione V, Anno 2021
https://www.salute.gov.it/portale/documentazione/p6_2_2_1.jsp?lingua=italiano&id=3218 .
Tutoraggio, ove previsto. Riunione tramite google-meet per chiarimenti su specifici argomenti del programma, su richiesta degli studenti.
Obbligo di frequenza, come indicato dall'art.8 del Regolamento didattico d'Ateneo.
Le modalità generali sono indicate nel regolamento didattico di Ateneo all’art.22 consultabile al link
http://www.unicz.it/pdf/regolamento_didattico_ateneo_dr681.pdf
Durante il corso saranno svolti due esoneri in itinere:
1° Forma scritta (test a risposta multipla e risposta aperta) (31 ottobre);
2° Presentazione power point di un progetto a gruppi da svolgere tramite software Orange (27/28 novembre).
L’esame finale sarà svolto in forma orale.
I criteri sulla base dei quali sarà giudicato lo studente sono:
Conoscenza e comprensione argomento |
Capacità di analisi e sintesi |
Utilizzo di referenze |
|
Non idoneo | Importanti carenze. Significative inaccuratezze |
Irrilevanti. Frequenti generalizzazioni. Incapacità di sintesi |
Completamente inappropriato |
18-20 | A livello soglia. Imperfezioni evidenti |
Capacità appena sufficienti |
Appena appropriato |
21-23 | Conoscenza routinaria |
E’ in grado di analisi e sintesi corrette. Argomenta in modo logico e coerente |
Utilizza le referenze standard |
24-26 | Conoscenza buona | Ha capacità di a. e s. buone gli argomenti sono espressi coerentemente |
Utilizza le referenze standard |
27-29 | Conoscenza più che buona |
Ha notevoli capacità di a. e s. |
Ha approfondito gli argomenti |
30-30L | Conoscenza ottima |
Ha notevoli capacità di a. e s. |
Importanti approfondimenti |