Caricamento in corso...
Data science in Healthcare
01UQYMV
A.A. 2020/21
Course Language
Inglese
Degree programme(s)
Master of science-level of the Bologna process in Ingegneria Biomedica - Torino
Course structure
| Teaching | Hours |
|---|---|
| Lezioni | 27 |
| Esercitazioni in laboratorio | 33 |
Lecturers
| Teacher | Status | SSD | h.Les | h.Ex | h.Lab | h.Tut | Years teaching |
|---|---|---|---|---|---|---|---|
| Balestra Gabriella | Professore Associato | IBIO-01/A | 27 | 0 | 0 | 0 | 3 |
Co-lectures
Context
| SSD | CFU | Activities | Area context | ING-INF/06 | 6 | B - Caratterizzanti | Ingegneria biomedica |
|---|
2020/21
Clinical informatics, nota anche col nome di healthcare informatics, è un settore di ricerca di di applicazione degli strumenti ICT a supporto dei servizi sanitari e del patient empowerment.
Gli strumenti che appartengono a Data science consentono di sviluppare sistemi per estrarre informazione e conoscenza dai dati.
L'insegnamento approfondisce i metodi e le metodologie utilizzate per lo sviluppo di sistemi di supporto alla decisione clinica e le tecniche di data mining.
Clinical informatics, also known as healthcare informatics, is the study and use of data and information technology to deliver health care services and to improve patients’ ability to monitor and maintain their own health. Clinicians, patients, and caregivers are the beneficiaries of the data analysis and clinical decision support involved in this field.
Data science is a broad field that refers to the collective processes, theories, concepts, tools and technologies that enable the review, analysis and extraction of valuable knowledge and information from raw data. It is geared toward helping individuals and organizations make better decisions from data.
Data science tools are of great interest for clinical informatics.
The course will introduce the student to the methods used:
• To support clinical decisions
• To perform data mining
Alla fine del corso lo studente sarà in grado di sviluppare sistemi di supporto alla decisione clinica e applicare tecniche di data mining.
At the end of the course, the student will be able to apply data mining methods, and to develop clinical decision support systems.
Computational intelligence and machine learning methods.
Computational intelligence and machine learning methods.
01. Introduzione
02. Sistemi di supporto alla decisione clinica
03. Data mining e Knowledge extraction
04. Problem conceptualization
05. Patient empowerment
L'attività di laboratorio è relativa a sviluppo di sistemi CAD e data mining.
01. Introduction
02. Clinical decision support systems
03. Data mining e Knowledge extraction
04. Problem conceptualization
05. Patient empowerment
CAD systems and Data mining a are the topics of the laboratory work.
Il corso consiste di 27 ore di lezioni teoriche e 33 ore di laboratorio
The course consists of 27 hours in class and 33 hours of work in laboratory
Slides
Slides
Modalità di esame: Prova orale obbligatoria; Prova scritta su carta con videosorveglianza dei docenti; Elaborato progettuale in gruppo;
L’esame è costituito da
(a) una prova di laboratorio svolta singolarmente con la possibilità di consultare appunti ed utilizzare il materiale prodotto durante i laboratori, la prova è svolta con l'uso della Virtual classroom
(b) la valutazione del lavoro svolto durante i laboratori da parte del gruppo
(c) la presentazione del lavoro svolto durante i laboratori da parte del gruppo tramite virtual classroom
Il voto finale è ottenuto come somma di:
- Prova di laboratorio [24pt] (durata 2h, superata se si ottengono almeno 15 pt) - Valuta la Capacità di Applicare e Comprensione
- Relazioni Laboratori [6pt] – Valuta l’Autonomia di giudizio, le Abilità comunicative e la Capacità di lavorare in un team
- Presentazione lavoro svolto in laboratorio [3pt] (durata 20 minuti)– Valuta le Abilità comunicative e la Capacità di lavorare in un team
Exam: Compulsory oral exam; Paper-based written test with video surveillance of the teaching staff; Group project;
The exam consists of
(a) a test in lab, performed singularly
(b) the assessment of the laboratory work done by done the group
(c) an oral presentation of the laboratory work by the group.
The grade is obtained by summing:
- Test in Lab [24pt] (lasting 2h, (the minimum score that must be obtained is 15 pt)
- Report of the laboratory work [6pt]
- Oral presentation of the laboratory work [3pt] (max 20 minutes)
Modalità di esame: Prova scritta (in aula); Prova orale obbligatoria; Prova scritta su carta con videosorveglianza dei docenti; Elaborato progettuale in gruppo;
L’esame è costituito da
(a) una prova di laboratorio svolta singolarmente con la possibilità di consultare appunti ed utilizzare il materiale prodotto durante i laboratori, la prova è svolta con l'uso della Virtual classroom da remoto, in laboratorio se in presenza
(b) la valutazione del lavoro svolto durante i laboratori da parte del gruppo
(c) la presentazione del lavoro svolto durante i laboratori da parte del gruppo tramite virtual classroom da remoto, in aula in presenza
Il voto finale è ottenuto come somma di:
- Prova di laboratorio [24pt] (durata 2h, superata se si ottengono almeno 15 pt) - Valuta la Capacità di Applicare e Comprensione
- Relazioni Laboratori [6pt] – Valuta l’Autonomia di giudizio, le Abilità comunicative e la Capacità di lavorare in un team
- Presentazione lavoro svolto in laboratorio [3pt] (durata 20 minuti)– Valuta le Abilità comunicative e la Capacità di lavorare in un team
Exam: Written test; Compulsory oral exam; Paper-based written test with video surveillance of the teaching staff; Group project;
The exam consists of
(a) a test in lab, performed singularly
(b) the assessment of the laboratory work done by done the group
(c) an oral presentation of the laboratory work by the group.
The grade is obtained by summing:
- Test in Lab [24pt] (lasting 2h, (the minimum score that must be obtained is 15 pt)
- Report of the laboratory work [6pt]
- Oral presentation of the laboratory work [3pt] (max 20 minutes)