Scuola di Farmacia e Nutraceutica

Scuola di Farmacia e Nutraceutica - Data stampa: 28/04/2024

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: