Apprendimento di alcuni elementi di base dell’Informatica. DESCRITTORI DI DUBLINO Conoscenza e capacità di comprensione: con particolare riguardo ai temi principali del corso (coding, basi di dati relazionali e principi di Atificial Intelligence) 1. Lo studente sarà in grado di comprendere la terminologia informatica. 2. Lo studente sarà in grado di di comprendere e gestire i problemi della memorizzazione e del recupero dei dati. 3. Lo studente sarà in grado di comprendere la lettura di un articolo o tesi o libro scientifico dove i principi dell'Intelligenza artificiale sono utilizzati per applicazioni mediche Capacità di applicare conoscenza e comprensione: 1. Lo studente è in grado di creare e manipolare autonomamente collezioni di dati per elaborare informazioni scientifiche o cliniche. 2. Lo studente è in grado di comprendere i meccanismi di base sottostanti le applicazioni di IA. Autonomia di Giudizio: 1. Lo studente è in grado di valutare quale sia la strutturazione dell'informazione più efficace per il problema in esame. 2. Lo studente è in grado di prendere decisioni consapevoli sull'utilizzo di sistemi per la gestione dei dati. 3. Lo studente è in grado di valutare le potenzialità ed i rischi degli strumenti di IA in medicina. Abilità comunicative: 1. Lo studente è in grado di comunicare con terminologia adeguata i problemi informatici relativi alla gestione dei dati e all'IA. 2. Lo studente è in grado di trasferire ed acquisire dati nei formati di scambio adeguati. 3. Lo studente è in grado di esprimere le proprie idee nell'ambito dell'IA applicata alla medicina in modo efficace e preciso. 4. ... Capacità di apprendimento: 1. Lo studente sarà in grado di accostarsi in modo indipendente alla letteratura tecnica sulla organizzazione e manipolazione dei dati. 2. Lo studente sarà in grado di studiare in modo autonomo le applicazioni delle tecniche di AI a problemi medici.

Matematica e Statistica di base

Per la parte di informatica: Introduzione ai Principi base dell’Informatica Medica. Come è organizzato un computer. Il concetto di Algoritmo. Elementi di Intelligenza Artificiale e di Machine Learning per la Medicina. Learning vs Fitting. Supervised e Unsupervised Learning. Cosa è il Training. Reti Neurali e Deep Learning. Il concetto di generalizzazione.. Applicazioni in Medicina di supervised e di unsupervised learning. Cosa è la Generative AI. Il concetto di attenzione. Large Language Models: C. Apprendimento umano e delle macchina. Applicazioni in ricerca medicia e nella pratica medica Memorizzazione e manipolazione dei dati: Fogli di calcolo versus database. Introduzione ai principi Base delle Basi di Dati Relazionali. Il modello dei dati relazionali. Progettazione, implementazione, popolamento, interrogazione di una base di dati relazionale. Esemplificazioni in DB MS Access: creazione di una base di dati; “Querying by Example”, con particolare riferimento a interrogazioni di aggregazione dei dati per supporto decisionale. Altri modelli dei dati: DB documentali e DB a grafo. Anonimizzazione dei dati medici, e modalità di “hacking” di basi di dati.

Per IA: R. Borhani, S. Borhani, A.K. Katsaggelos, Fundamentals of Machine Learning and Deep Learning in Medicine, Springer, 2022 Per le basi di dati: L. Alluri, U. Nanni, Fondamenti di basi di dati, Hoepli 2021 Appunti e altro materiale forniti dai docenti

Introduzione ai Principi base dell’Informatica Medica. Come è organizzato un computer. Il concetto di Algoritmo. Cosa è un programma. Compilatori e interpreti. Elementi di Intelligenza Artificiale e di Machine Learning per la Medicina. Learning vs Fitting. Statistica Classica vs Machine Learning. Supervised e Unsupervised Learning. Cosa è il Training. La Loss e la sua Minimizzazione della Loss. Il concetto di overfitting. Il cocnetto di Garbage In Garbage Out (GIGO). Il neurone artificiale. Reti Neurali e Deep Learning. Il concetto di generalizzazione. Le Reti Neurali Convoluzionali. Applicazioni in Medicina di supervised e di unsupervised learning. Cosa è la Generative AI. Il concetto di attenzione. Large Language Models: ChatGPT (e/o altri strumenti disponibili) e sue applicazioni in medicina. Capire l’impatto che la IA sta avendo e avrà sempre di più in medicina e nel modo in cui i pazienti vivono il rapporto coi medici. Apprendimento umano vs machine learning e altri temi etico-filosofici. Commento critico di alcuni articoli milestones di applicazione del Machine Learning in Medicina. Parte di gestione dati. Sistemi informativi in medicina. Introduzione ai principi Base delle Basi di Dati Relazionali. Il modello relazionale dei dati. Progettazione di un base di dati relazionale. Creazione delle tabelle e definizione dei vincoli di chiave di dominio di integrità referenziale. Popolamento della base di dati (inserimento di dati manuale, da file, da interrogazione). Esemplificazioni in DB MS Access “Querying by Example”, con particolare riferimento a query di aggregazione dei dati per supporto decisionale. Esportazione dei dati in formati CSV ed Excel. Formati di scambio: CSV, Json, XML. Modelli dei dati alternativi: modello documentale, modello a grafo.    

Lezioni Frontali

Le slides ed altri materiali del corso (dataset, esempi di prove scritte, esercizi) sono disponibili nella cartella condivisa del canale TEAM del corso.

Test scritto da svolgersi in aula. La parte di informatica è strutturata come un quiz composto da 12 domande delle quali parte sono a scelta multipla e parte sono a risposta libera. La somma dei punti associati alle domande (dichiarati insieme alle domande) è 32 che corrisponde a 30 e lode. Il voto complessivo dell’esame è dato dalla media aritmetica dei voti conseguiti nella prova di statistica e in quella di informatica. Le domande a scelta libera permettono di misurare la capacità di risolvere problemi elementari. Le domande a scelta multipla permettono di verificare la conoscenza del linguaggio tecnico e dei concetti elementari della disciplina. Il voto è la somma algebrica dei punteggi associati alle singole domande. Nelle domande a scelta multipla il voto dell'esercizio è assegnato quando la risposta è corretta. Nelle domande a risposta libera il punteggio massimo previsto è assegnato in caso di svolgimento senza errori. In caso di errori nello svolgimento il punteggio massimo corrispondente è ridotto in ragione della gravità degli errori. Voto 28-30 e lode: lo studente ha una conoscenza APPROFONDITA della materia e sa risolvere problemi elementari. Voto 24-27: lo studente ha una BUONA conoscenza della materia e una discreta capacità a risolvere problemi elementari; Voto 18-23: lo studente ha una DISCRETA conoscenza della materia e una sufficiente capacità di risoluzione di problemi elementari. Esame non superato: lo studente non è in grado di risolvere problemi elementari ed ha una conoscenza lacunosa.

Questo insegnamento approfondisce argomenti strettamente connessi a uno o più obiettivi dell’Agenda 2030 per lo Sviluppo Sostenibile delle Nazioni Unite
In particolare:

● Salute e benessere: L'informatica può essere utilizzata per migliorare significativamente la diagnosi e il trattamento delle malattie e le decisioni connesse ad entrambe. Inoltre, usando con consapevolezza strumenti informatici i discenti potranno fornire servizi sanitari di base a persone che vivono in aree rurali o remote. Infine, stuemnti informatici sono decisivi al fine di efficacemente sensibilizzare la popolazione in merito a problemi di salute pubblica.
● Istruzione di qualità: L'informatica può essere utilizzata per migliorare l'accesso all'istruzione in campo medico e delle professioni sanitarie, rendere l'istruzione più personalizzata e coinvolgente, e fornire formazione professionale in campo medico e delle professioni sanitarie alle persone che hanno bisogno di trovare lavoro.
● Parità di genere: L'informatica può essere utilizzata per ridurre la disparità di genere nell'istruzione medica, nell'occupazione in campo medici e di sanità pubblica e nel governo.
● Lavoro dignitoso e crescita economica: L'informatica può essere utilizzata per
creare nuovi posti di lavoro medico e nuove tipologie di lavoro medico, aumentare la produttività in medicina e migliorare le condizioni di lavoro medico.
● Industria, innovazione e infrastruttura: L'informatica può essere utilizzata per sviluppare nuove tecnologie mediche, migliorare l'efficienza delle infrastrutture e creare posti di lavoro nei settori dell'innovazione in medicna e della tecnologia medica.
● Riduzione delle disuguaglianze: L'informatica può essere utilizzata per ridurre le disuguaglianze di accesso ai servizi medici a mezzo della telemedicina
● Partnership per gli obiettivi: L'informatica può essere utilizzata per mobilitare risorse mediche, incmentare la collaborazione tra medici e preofessionisti di altri settorii e condividere conoscenze per raggiungere gli SDGs ONU.