Ricerca corsi
Ricerca

Machine learning e Intelligenza Artificiale in campo medico e life-science

  • Codice
  • DTI 483
  • Presentazione
  • Le tecniche di machine learning (ML) ed intelligenza artificiale (IA) sono oggi ampiamente utilizzate nelle scienze della vita per modellare processi biologici, estrarre conoscenza dai dati, sviluppare sistemi diagnostici o di aiuto alla decisione, etc. Conoscere queste discipline permette di gestirne l’utilizzo nella pratica, ed apre nuove possibilità nella ricerca scientifica, nello sviluppo tecnologico e nella pratica clinica.
  • Obiettivi
  • Questo corso si propone di dare ai partecipanti conoscenze di base per lo sfruttamento dei metodi di ML nel proprio ambito di ricerca (clustering, classificazione, regressione) e di fornire una panoramica delle loro applicazioni più avanzate (processamento di immagini e del linguaggio naturale) affiancando lezioni più teoriche a esperienze pratiche e seminari sulle applicazioni. I metodi di ML verranno messi in relazione con i più noti e diffusi modelli statistici evidenziandone sia gli aspetti comuni che complementari in contesti applicativi clinici. Particolare attenzione sarà dedicata alla valutazione di performance e applicabilità dei modelli e alla loro interpretazione, al fine di produrre nuova conoscenza ma anche per migliorare i processi in modo affidabile. Infine, verranno discusse le questioni etiche legate all’uso dei dati e allo sfruttamento di questi nuovi approcci. Il percorso proposto porta a: - Comprendere il flusso di un’analisi basata sul ML (raccolta e preparazione dei dati, apprendimento dei modelli e validazione). - Orientarsi tra le tecniche di ML, distinguendo tra apprendimento supervisionato e non, e tra regressione e classificazione. - Applicare semplici tecniche di ML attraverso l’uso di un software grafico. - Identificare applicazioni di machine learning e IA utili alla propria attività di ricerca scientifica o sviluppo tecnologico e interfacciarsi al meglio con i professionisti in grado di implementarle.
  • Destinatari
  • Medici, biologi e più in generale tutti coloro che svolgono un lavoro nei settori sanitario, biomedico e farmaceutico interessati a comprendere meglio il funzionamento e le possibili applicazioni di machine learning e intelligenza artificiale.
  • Requisiti
  • Non sono richiesti requisiti particolari.
  • Certificato
  • Attestato di frequenza 3 crediti di studio ECTS, subordinati al superamento dell'esame finale del modulo (facoltativo) Saranno anche accreditati 25 crediti SIWF/ISFM.
  • Crediti di studio
  • 3 ECTS
  • Programma
  • - Introduzione: dati, obiettivi e metodi del Machine Learning - Unsupervised Machine Learning: clustering - Supervised Machine Learning: classificazione - Supervised Machine Learning: regressione - Pipeline dati: modello, apprendimento, validazione, applicazione - Laboratorio: costruire la pipeline con software grafico - Laboratorio: analizzare un dataset a scelta con software grafico - Etica - Imaging - NLP - estrazione di informazione da letteratura scientifica (e.g. correlazioni geni / malattie) - estrazione di informazione da cartelle cliniche - social media e e-health - Laboratorio: discussione di articoli su applicazioni di Machine Learning scelti dai partecipanti
  • Durata
  • 36 ore suddivise in 27 ore di lezioni ed esercitazioni sincrone e 9 ore di lavoro individuale asincrono. Per favorire la flessibilità verranno rese disponibili registrazioni video delle lezioni teoriche che potranno pertanto essere seguite anche in modo asincrono.
  • Responsabile/i
  • Alessandro Puiatti e Francesca Mangili Advisor esterno: Alessandro Ceschi (Prof. Dr. med. M.Sc., Direttore Clinical Trial Unit EOC e Vice Capo Area Formazione medica e Ricerca, AFRi, Direzione generale EOC)
  • Relatore/i
  • Alessandro Facchini, Docente ricercatore senior IDSIA Francesca Faraci, Responsabile Elaborazione Segnali Biomedicali, MediTech Alessandro Giusti Professore di AI per la robotica autonoma, IDSIA Francesca Mangili, Ricercatrice Senior IDSIA Alessandro Puiatti, Responsabile Salute Digitale, MediTech Fabio Rinaldi, Ricercatore senior responsabile per la ricerca su NLP, IDSIA Lorenzo Ruinelli, Data Scientist, ICT-CTU, EOC
  • Iscrizione ai corsi
  • Entro il 13 ottobre 2023
  • Date
  • 6, 8, 22, 29 novembre 4, 6, 11, 13 dicembre 2023
  • Orari
  • 17.30-21.00
  • Luogo
  • Dipartimento tecnologie innovative SUPSI, Polo universitario Lugano, Campus Est, Via La Santa 1, CH-6962 Lugano-Viganello. Il corso sarà tenuto in modalità blended learning con la possibilità di seguire le lezioni interamente online.
  • Costo
  • CHF 1'600.00 È previsto uno sconto del 10% per i soci individuali di AFTI, AITI, ATED e itSMF.
  • Informazioni di contatto
  • francesca.mangili@supsi.ch alessandro.puiatti@supsi.ch
  • Informazioni
  • SUPSI, Dipartimento tecnologie innovative Polo universitario Lugano - Campus Est Via La Santa 1 CH-6962 Lugano-Viganello T +41(0)58 666 66 84 dti.fc@supsi.ch