I recenti sviluppi nelle tecnologie biomediche, che consentono di ottenere informazioni quantitative sempre più dettagliate sulla fisiologia e la patologia di singoli individui, e nelle tecnologie digitali, che consentono di gestire elevati livelli di complessità, hanno aperto la strada alla medicina digitale. La medicina digitale utilizza gli sviluppi più recenti delle tecnologie per la creazione di modelli computerizzati personalizzati sullo specifico individuo in grado di assistere nella diagnosi, predire la prognosi, e simulare l’effetto delle terapie disponibili al fine di personalizzare il trattamento. Queste tecnologie possono essere utilizzate per supportare la decisione medica per uno specifico paziente (Digital Patient), o per assicurare la sicurezza ed efficacia di nuovi prodotti biomedici riducendo l’impiego della sperimentazione animale e umana (In Silico Trials). La medicina digitale consentirà di rispondere all’aumento di richiesta di assistenza sanitaria con innegabili vantaggi economici e una migliore qualità delle cure. Nell’insegnamento si illustreranno lo stato dell’arte delle principali tecnologie della medicina digitale, gli sviluppi futuri e le principali sfide da un punto di vista multidisciplinare. Inoltre, verrà analizzato l’impatto dell’evoluzione tecnologica sull’organizzazione dei processi sanitari, sulla struttura del sistema sanitario nazionale, sul ruolo di medici e ospedali e sull’industria della salute.

L’insegnamento prevede brevi moduli di introduzione alle tecnologie di frontiera nel mondo dell’informatica come descritto nel seguito: - Quantum computing (QC). Il modulo introduce la nuova metodologia di calcolo, che sfrutta i principi della meccanica quantistica. Al termine delle lezioni gli studenti avranno acquisito competenze di base sul QC e sull’uso delle principali piattaforme di calcolo commerciali. - Modelli diffusivi e pandemie. Il modulo introduce alla modellizzazione e simulazione numerica dei processi di diffusione epidemica in popolazioni e reti di contatto e alle tecniche algoritmiche necessarie allo studio di problemi inversi, quali l’inferenza di parametri epidemici a partire dai casi osservati ed il contenimento epidemico mediante strategie trace-test-isolate. - Data Science e Machine learning. Il modulo introduce le tecniche e le metodologie di estrazione di informazione utile da partire dai dati, introducendo la catena di processamento e le fasi di data cleaning, estrazione delle feature, costruzione del modello, e valutazione dello stesso. Relativamente alle metodologie di costruzione di modelli a partire dai dati, l’insegnamento introdurrà sia approcci supervisionati quali modelli di classificazione, modelli di regressione, sia non supervisionati per la identificazione di cluster. - Criticità nell'uso dei dati: Bias, Fairness, Privacy. Il modulo introduce e discute le problematiche relative all’uso dei dati ed in particolare alla influenza che i modelli possono subire quando i dati sono polarizzati (bias), o contengono informazioni sbilanciate (fairness). Il modulo introduce poi le problematiche legate all’uso dei dati personali, ove gli aspetti di privacy sono fondamentali. - Realtà aumentata e realtà virtuale. Il modulo si propone di introdurre i concetti base della Realtà Aumentata e Realtà Virtuale, considerandone l’evoluzione storica, i diversi ambiti di impiego, i dispositivi hardware oggi disponibili, gli strumenti software utilizzati nelle fasi di creazione dei contenuti digitali e di realizzazione della logica applicativa (es. Unity3D, Unreal Engine, soluzioni "no code", ecc.), le strategie di progettazione dell’interazione ad hoc per ambienti virtuali e tridimensionali, gli aspetti psicologici e sociali, le sfide e le prospettive di sviluppo future. L’insegnamento in generale si pone come obiettivo di introdurre le metodologie di base relativamente ai vari argomenti, portando gli studenti a conoscere i fondamentali di ciascun tema, e permettendo loro di maturare capacità critiche di analisi e di uso appropriato di queste metodologie anche e soprattutto verso il mondo della ricerca. Lo studente saprà identificare problematiche e limiti che tali metodologie offrono, e avrà maturato uno spirito critico che permetterne l’utilizzo delle stesse nella vita professionale e nel mondo della ricerca.

Gli studenti devono possedere conoscenze di base dei fondamentali di programmazione acquisiti nel corso di Informatica. I docenti richiameranno concetti di base a lezione per permettere agli studenti di affrontare l’insegnamento senza requisiti, e forniranno accesso a lezione videoregistrate che trattano tematiche fondamentali per quegli studenti che non abbiano le basi.

L’insegnamento si compone di 5 moduli, ognuno di 12 ore, che introducono le tecnologie di frontiera nel mondo dell’informatica. I moduli alternano lezioni introduttive con un approccio “hands-on” che prevede l’uso del calcolatore e lo sviluppo di applicazioni dimostrative in Python. Nel dettaglio: - Quantum computing: il modulo prevede 12 ore interamente hands-on, quindi prevalentemente su calcolatore, tramite lo sviluppo di programmi in Python. - Modelli diffusivi e pandemie: il modulo prevede 6 ore di lezione frontale e 6 ore di esercitazione, nelle quali gli studenti metteranno in pratica le nozioni apprese attraverso l’implementazione di programmi Python e l’analisi statistica dei risultati ottenuti. - Data Science e Machine learning: il modulo prevede 8 ore di lezione e 4 ore di esercitazione dove gli studenti metteranno in pratica gli algoritmi e le metodologie mostrate in aula. I laboratori si sviluppano al calcolatore, tramite lo sviluppo di programmi in Python - Criticità nell'uso dei dati: Bias, Fairness, Privacy: il modulo prevede 6 ore di lezione e 6 ore di esercitazione dove gli studenti metteranno in pratica gli algoritmi e le metodologie mostrate in aula. I laboratori si sviluppano al calcolatore, tramite lo sviluppo di programmi in Python. Sono previsti alcuni interventi di ricercatori ed esperti che porteranno esperienze pratiche. - Realtà aumentata e realtà virtuale: Il modulo prevede 6 ore di lezione e 6 ore di esercitazione, che consentiranno agli studenti di sperimentare quanto mostrato in aula. È previsto il coinvolgimento di ricercatori che porteranno esperienze pratiche per i diversi ambiti di impiego delle tecnologie considerate.

L’insegnamento prevede l’intervento di esperti del settore che portano testimonianze pratiche direttamente dal mondo del lavoro e della ricerca. È previsto di organizzare delle visite per portare gli studenti a contatto con le tecnologie informatiche alla base delle metodologie presentate. In particolare, si prevede di portare gli studenti a visitare data center per elaborazione dati.

L’insegnamento si svolge per la maggior parte in aula. Il docente presenterà a lezione i contenuti teorici necessari per svolgere le esperienze di laboratorio. Le stesse saranno svolte dagli studenti con l’utilizzo del proprio computer, lavorando in gruppo ove previsto e con l’aiuto del docente. Gli studenti, sempre lavorando in gruppo, prepareranno relazioni di laboratorio su tematiche specifiche indicate a lezione dai docente e che saranno parte della valutazione dell’insegnamento.

I docenti metteranno a disposizione dispense delle lezioni e delle esercitazioni, i manuali e il materiale necessario per le esercitazioni di laboratorio e per lo svolgimento dei progetti. Tutto il materiale didattico sarà scaricabile attraverso il portale. Verrà inoltre dato accesso a videolezioni registrate di altri corsi per poter colmare eventuali lacune formative.

Modalità di esame: Prova orale facoltativa; Elaborato progettuale in gruppo;

Exam: Optional oral exam; Group project;

... Gli studenti sono invitati a lavorare in gruppo. Alla fine di ogni modulo, ogni gruppo dovrà consegnare una relazione scritta sulle esperienze di laboratorio come indicato dal docente durante l’insegnamento (relazione di gruppo). Le relazioni verteranno sui 5 moduli e gli studenti dovranno preparare un report per ciascuno di essi. Ogni relazione andrà consegnata caricando un file in PDF sul portale della didattica, secondo le scadenze definite dai docenti di volta in volta, e verrà corretta e valutata dal docente. Opzionalmente, ogni studente potrà sostenere un esame orale che verterà sulle tematiche riportate nelle relazioni prodotte in cui dovrà dimostrare di aver acquisito il senso critico e le metodologie sperimentali affrontate durante l’insegnamento.

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.