Caricamento in corso...
Data science in Healthcare
01UQYMV
A.A. 2022/23
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 | 3 | 0 | 0 | 0 | 3 |
Co-lectures
Context
| SSD | CFU | Activities | Area context | ING-INF/06 | 6 | B - Caratterizzanti | Ingegneria biomedica |
|---|
2022/23
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.
Metodi di machine learning
Computational intelligence and machine learning methods.
01. Introduzione
02. Sistemi di supporto alla decisione clinica
03. Data mining e Knowledge extraction
04. Problem conceptualization
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: Elaborato progettuale in gruppo; Prova scritta in aula tramite PC con l'utilizzo della piattaforma di ateneo;
Exam: Group project; Computer-based written test in class using POLITO platform;
...
L'esame consiste di:
Scritto [18pt] - Valuta le Conoscenze – Chi si ripresenta perde la valutazione precedente
10 domande a risposta multipla (1 punto per ogni domanda corretta, -0.5 pt per ogni domanda errata) – durata: 12 minuti
2 domande a risposta aperta (4 punti a domanda) – durata: 20 minuti
Valutazione del lavoro svolto durante i laboratori da parte del gruppo [15pt]– Valuta l’Autonomia di giudizio, le Abilità comunicative e la Capacità di lavorare in un team
6 punti ottenuti tramite peer review
9 punti ottenuti dalla valutazione delle docenti
Gli studenti e le studentesse con disabilità o con Disturbi Specifici di Apprendimento (DSA), oltre alla segnalazione tramite procedura informatizzata, sono invitati a comunicare anche direttamente al/la docente titolare dell'insegnamento, con un preavviso non inferiore ad una settimana dall'avvio della sessione d'esame, gli strumenti compensativi concordati con l'Unità Special Needs, al fine di permettere al/la docente la declinazione più idonea in riferimento alla specifica tipologia di esame.
Exam: Group project; Computer-based written test in class using POLITO platform;
The exam consists of a written test and an oral presentation of the laboratory work. The first is performed singularly; the second involves the whole group.
The grade is obtained by summing:
a) Written test lasting 1 hour and consisting in 3 open answer questions, max 24 points (the minimum score that must be obtained for each question is equal to 3 points, otherwise the exam is failed). It evaluates the knowledge acquired on the methods. During the text the student is not allowed to use his/her notes or any other material.
b) Oral presentation of the laboratory work: max 3 points. It evaluates the ability of the students to present the results of their work.
c) Written reports of the laboratory work: max 6 points. It evaluates the ability in using the methods.
In addition to the message sent by the online system, students with disabilities or Specific Learning Disorders (SLD) are invited to directly inform the professor in charge of the course about the special arrangements for the exam that have been agreed with the Special Needs Unit. The professor has to be informed at least one week before the beginning of the examination session in order to provide students with the most suitable arrangements for each specific type of exam.