< Indietro
Data Management and Internet of Healt Things
INFORMAZIONI GENERALI
Obiettivi Formativi
Il corso si propone di fornire strumenti teorici e applicativi inerenti allo scenario del Data Management e dell’Internet of Health Things (IoHT).
La parte del corso curata dal Prof. Michele Bernardini, è strutturata come segue:
Sezione 1: Dopo una breve introduzione al corso, vengono fornite le nozioni del concetto di Dati e Big Data inerenti allo scenario del Data Management. Contestualmente, vengono inquadrati i sistemi sanitari informativi all’interno dell’ecosistema dell’informatica medica e del sistema sanitario nazionale.
Sezione 2: Vengono fornite nozioni e approfondimenti sull’esigenza dell’interoperabilità dei dati, introducendo poi le funzionalità e le potenzialità della cartella clinica elettronica (EHR). In questo scenario di riferimento è stato approfondito come estrarre da una EHR un dataset pronto per essere dato in input a un sistema di Intelligenza Artificiale (IA). Tale sezione termina con l’introduzione delle basi del Cloud Computing.
Sezione 3 & Sezione 4: Dopo una breve introduzione allo scenario dell’Internet of Health Things (IoHT), vengono presentati agli studenti casi d’uso applicativi con il fine di approfondire le nozioni e concetti teorici acquisiti nelle sezioni precedenti.
La parte del corso curata dal Prof. Antonio Pallotti, è strutturata come segue:
Al termine del corso, lo studente possiede gli strumenti teorici e le capacità operative proprie del Data management and Internet of Health Things per lo studio, la valutazione e l'ottimizzazione dei processi sanitari. In particolare, lo studente è in grado di: - ideare e gestire basi di dati; - comprendere il flusso di informazioni nelle strutture sanitarie e gestire i sistemi di Data management and Internet of Health Things; - comprendere le problematiche nella gestione dati e internet degli oggetti; - valutare e sviluppare sistemi di telemedicina.
Risultati di apprendimento attesi
Le studentesse e gli studenti dovranno essere in grado di comprendere le profonde evoluzioni che hanno contraddistinto i sistemi di Data management and Internet of Health Things
Conoscenza e capacità di comprensione
Le studentesse e gli studenti acquisiranno una conoscenza approfondita dei fondamenti della gestione del dato e della tecnologia che ruota intorno allo scenario applicativo dell’IoHT secondo le dinamiche più recenti dello stato dell’arte.
Nell'ambito dell'area di apprendimento dei sistemi di Data management and Internet of Health Things lo studente deve possedere:
1) conoscenza generale dei sistemi di Data management and Internet of Health Things;
2) capacità di comprendere le dinamiche fondamentali nelle problematiche che caratterizzano la disciplina dei diversi profili dei sistemi di Data management and Internet of Health Things;
3) capacità di analizzare con consapevolezza e senso critico i principali sistemi di Data management and Internet of Health Things, anche in relazione a specifiche applicazioni mediche.
Capacità di applicare conoscenza e comprensione
Le studentesse e gli studenti saranno in grado di identificare e comprendere le diverse applicazioni della gestione del dato e dell’ IoHT nel settore della salute, come sistemi di supporto alle decisioni, il monitoraggio/telemonitoraggio dei pazienti e la gestione dei dati sanitari.
Lo studente deve acquisire la mentalità informativa come componente della capacità di analisi di situazioni complesse in contesti di studio e lavorativi; deve essere in grado di raccogliere e interpretare criticamente dati e informazioni complessi nello specifico campo di studi; deve essere in grado di comunicare ad un pubblico di non specialisti informazioni, idee, problemi e soluzioni nello specifico campo disciplinare con proprietà di linguaggio e buona articolazione di pensiero.
Abilità di giudizio
Studentesse e studenti acquisiranno una serie di competenze che svilupperanno la loro autonomia di giudizio. Saranno in grado di valutare in maniera critica le applicazioni della gestione del dato e dell’ IoHT nel contesto della salute umana, esaminando attentamente i vantaggi, le limitazioni e le possibili implicazioni di tali applicazioni.
Lo studente deve saper applicare in maniera specifica strumenti e capacità di apprendimento necessari per arricchire ulteriormente le competenze informative acquisite e per applicare tali competenze anche ad altri insegnamenti del corso di studio; inoltre, deve saper utilizzare le conoscenze acquisite a casi concreti, nonché saperli inquadrare informativamente e saper fornire soluzioni attraverso l’analisi di problemi anche di nuova formulazione, cogliendo gli eventuali aspetti complessi o problemi applicativi. Infine, nella consapevolezza della variabilità e relatività dei concetti o categorie informative, nonché della necessità della riflessione epistemologica in una realtà anche informativamente sempre più complessa, deve conoscere i case studies impostisi nella tradizione dei sistemi di Data management and Internet of Health Things.
Abilità di comunicare
Lo studente deve essere in grado di individuare, sia oralmente che per iscritto, le direttrici essenziali attraverso le quali è possibile determinare il ravvicinamento o la contrapposizione tra i differenti sistemi di Data management and Internet of Health Things, questi ultimi intesi in senso ampio e con particolare riguardo alla eventuale contrapposizione fra sistemi di Data management and Internet of Things e sistemi di Data management and Internet of Health Things; particolare attenzione viene prestata all’acquisizione e conseguente utilizzo di termini informativamente corretti.
Capacità di apprendimento
Il corso fornirà a studentesse e studenti le basi per un apprendimento continuo e un adattamento alle nuove tecnologie e alle sfide nel campo della gestione del dato e dell’ IoHT. Consentirà loro di acquisire conoscenze e competenze aggiornate e di affrontare con successo le future sfide del settore.
Gli studenti devono acquisire la capacità di contribuire alla formazione di un profilo di informatico medico che operi in una realtà complessa, interessata dalle dinamiche della globalizzazione, dall’interazione fra fonti dei sistemi di Data management and Internet of Health Things, dalle esigenze di confronto fra diverse culture informative e istanze di armonizzazione di determinate aree dei sistemi di Data management and Internet of Health Things, con una peculiare sensibilità verso approcci e soluzioni informative diverse e, conseguentemente, verso una più profonda cognizione del proprio sistema informativo.
In particolare, devono acquisire capacità di sintesi logica e di avvalersi di un razionale metodo di lavoro.
PROGRAMMA DEL CORSO
Per la parte del corso curata dal Prof. Michele Bernardini il programma del corso è scandito in dettaglio nella sezione della lista dei titoli dei contributi del corso (slide e video):
1 Introduzione al corso
2 Dati
3 Big Data
4 Informatica medica e sistema sanitario nazionale
5 Sistemi informativi sanitari
6 Interoperabilità dei dati
7 Cartella clinica elettronica
8 Dataset reali per l’Intelligenza Artificiale
9 Dati multimediali a supporto della salute dell’uomo
10 Cloud Computing
11 Internet of Health Things
12 Use case: stima dell’età biologica
13 Use case: l’interoperabilità dei dati nella medicina generale
14 Use case: qualità dei dati nella medicina generale
15 Use case: l’architettura cloud di SINC nel settore della neonatologia
16 Use case: un sistema di supporto cloud-based per valutare la disartria
17 Use case: dati e centri diabetologici
18 Use case: la telemedicina e le architetture dati
19 Use case: architetture di raccolta dati per supportare i terapisti ABA
20 Use case: la domotica e l’anziano fragile
La parte del corso curata dal Prof. Antonio Pallotti, è strutturata come segue:
Problemi aperti del data management nella ricerca sanitaria;
Acquisizione e analisi dati da sensori indossabili e dal mobile health;
Piattaforma dati per la ricerca e la prevenzione della malattia di Alzheimer;
Ottimizzazione del dosaggio dei farmaci utilizzando set di dati multi-omici su larga scala;
Piattaforma di dynamic warehousing per la creazione e l'accesso a data lake biomedici;
Archivio di dati integrato basato su i2b2 per la ricerca oncologica;
Sistema informativo sanitario basato su modelli multilivello nella malattia d’asma;
Internet of Things nel sistema sanitario;
Sistema di previsione e diagnosi delle malattie basato sull'IoT per l'assistenza sanitaria;
Apprendimento automatico per un monitoraggio in tempo reale di pazienti aritmici utilizzando IoT;
Applicazioni sociali, mediche ed educative dell'IoT per assistere le persone ipovedenti;
Indagine sulla correlazione tra cefalea tensiva e diabete: prospettiva IoT nell'assistenza sanitaria;
Riconoscimento precoce della malattia di demenza utilizzando tecniche di data mining;
Sistema per il monitoraggio della malnutrizione delle persone che vivono nelle aree rurali;
Sicurezza e privacy nell'IoT per l’assistenza sanitaria;
Big Data nella gestione del trattamento del diabete mellito;
Applicazioni mediche dell’IoT per il monitoraggio da remoto.
Testi consigliati
I docenti consigliano di seguire le slide redatte e supportate dallo stato dell’arte più recente nonché la letteratura in esse spiegata.
MODALITÀ DI ESAME, PREREQUISITI, ESAMI PROPEDEUTICI
Modalità di accertamento dei risultati di apprendimento acquisiti dallo studente
Per la parte del Corso di competenza del Prof. Bernardini l’esame prevede una verifica scritta delle conoscenze.
Per la parte del Corso di competenza del Prof. Pallotti il raggiungimento degli obiettivi dell’insegnamento è verificato con un esame di valutazione in trentesimi (a partire da un minimo di 18/30) che avviene sulla base di uno scritto ed eventualmente orale.
La valutazione ha l’obiettivo di accertare il livello di comprensione e di conoscenza raggiunto dallo studente sui contenuti indicati nel programma, la padronanza degli strumenti metodologici, nonché la capacità di applicare la conoscenza per risolvere problemi teorici e pratici.
I criteri di valutazione sono i seguenti:
1) capacità di esprimersi con chiarezza e con un uso adeguato della terminologia informativa;
2) capacità di articolazione sistematica del ragionamento informativo;
3) capacità di selezionare i dati;
4) capacità di selezione dei dati e di sviluppo di un ragionamento informativo in grado di far emergere inferenze deduttive e induttive.
La valutazione massima di 30/30 è attribuita quando lo studente dimostra una conoscenza completa e approfondita dei contenuti.
La lode è attribuita quando lo studente manifesta una significativa padronanza dei contenuti teorici e operativi, presentando gli argomenti con notevole proprietà di linguaggio e capacità di elaborazione.
Propedeuticità
Non sono previste propedeuticità.
Prerequisiti
Matematica finanziaria
Contabilità
ORGANIZZAZIONE DIDATTICA
Modalità di erogazione del corso:
Lezioni registrate
Quattro lezioni frontali
Attività didattiche previste
Per il Prof. Bernardini oltre all'erogazione delle video lezioni, sono previste 4 ore di didattica interattiva.
Per il Prof. Pallotti le attività di didattica, suddivise tra didattica erogativa (DE) e didattica interattiva (DI) coprono un minimo di 6 ore per CFU ripartite tra DE e DI. In particolare, per ogni CFU saranno offerte almeno 5 ore di DE e 1 ora di DI.
Attività didattica erogativa (30 ore):
30 lezioni frontali videoregistrate e sempre disponibili in piattaforma
Attività didattica interattiva (minimo 4 ore):
4 aule virtuali
Eventuali altri strumenti interattivi (chat, web conferences, e-activities, ecc.) saranno adoperati in relazione a specifici interventi didattici.
Ricevimento studenti
Su richiesta inviata via mail (all’indirizzo dell’Università). Nella pagina dell’insegnamento sono disponibili orari di ricevimento e contatto per comunicazioni in chat e/o videoconferenza.
