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, stanno consentendo significativi avanzamenti tecnologici in medicina. Questi avanzamenti consentiranno nel futuro prossimo un approccio di medicina di precisione e predittiva, in cui intelligenza artificiale, modelli computazionali e dispositivi indossabili consentiranno di integrare dati multimodali e supportare decisioni cliniche personalizzate. Nel dettaglio, sarà possibile realizzare 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. Le nuove tecnologie potranno 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). Questi nuovi approcci consentiranno 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 digitali in medicina, 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 in ambito medico come descritto nel seguito: - Mechanistic modelling. Il modulo introduce la costruzione di modelli numerici in grado di descrivere i fenomeni fisici/(bio)chimici di interesse per un dato sistema biologico, sia esso fisiologico o patologico. Al termine delle lezioni gli studenti avranno acquisito competenze di base sulla modellazione e sull’uso delle principali piattaforme di calcolo commerciali e di ricerca. - Data Science e Machine learning. Il modulo introduce le tecniche e le metodologie di estrazione di informazione utile da partire dai dati clinici/biologici, introducendo la catena di processamento e le fasi di data cleaning, estrazione delle feature, costruzione del modello, e valutazione dello stesso. Verranno introdotte le problematiche legate all’uso dei dati personali, ove gli aspetti di privacy sono fondamentali. - From digital patient to in silico trials. Il modulo si propone di introdurre i concetti base della costruzione di un paziente virtuale (digital patient), considerando analogie e differenze rispetto alla costruzione di digital twins altri ambiti industriali, gli strumenti software utilizzati, lo stato dell’arte attuale, le sfide e le prospettive di sviluppo future. A partire dalla costruzione del modello sul singolo paziente, verranno introdotte le tecniche con le quali si passa alla costruzione di una popolazione virtuale, che permette di effettuare trial clinici virtuali (in silico clinical trials). - La realtà regolatoria e industriale. Attraverso seminari di esperti del settore regolatorio e industriale, verranno portati esempi concreti e casi studio sulla adozione di queste tecnologie in ambito industriale e regolatorio, con particolare riferimento alle sfide attualmente irrisolte e barriere che ancora ne impediscono l’adozione diffusa. 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 e dei fondamentali di fisica acquisiti nel corso di Fisica I. 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 è organizzato in 20 ore di teoria, che introducono le tecnologie di frontiera nel mondo medico, alternate con esercitazioni (per un totale di 40 ore) con un approccio “hands-on” che prevede l’uso del calcolatore o lavori di gruppo. Nel dettaglio, ogni argomento viene introdotto attraverso lezioni frontali teoriche, volte a fornire le basi concettuali e metodologiche. Successivamente, l’apprendimento viene consolidato tramite attività pratiche, che potranno assumere diverse forme: esercitazioni al calcolatore, discussione e analisi di casi studio, oppure seminari tenuti da esperti del settore accademico, industriale o regolatorio, al fine di integrare prospettive accademiche e applicative. Nella parte conclusiva del corso (di 18 ore), gli studenti saranno coinvolti in esercitazioni avanzate al calcolatore finalizzate alla costruzione di un digital patient in ambito cardiovascolare, che consentirà di applicare in maniera integrata le competenze teoriche e pratiche acquisite durante il percorso.

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 alla base delle metodologie presentate. In particolare, si prevede di portare gli studenti a visitare il centro interdipartimentale PolitoBIOMed Lab.

L’insegnamento si svolge in aula per la prima metà; nel laboratorio informatico nella seconda metà. Il docente presenterà a lezione i contenuti teorici necessari per svolgere le esperienze pratiche/di laboratorio. Le stesse saranno svolte dagli studenti con l’utilizzo del proprio computer o il computer del laboratorio informatico, lavorando in gruppo ove previsto e con l’aiuto del docente. Gli studenti, sempre lavorando in gruppo, prepareranno presentazioni su tematiche specifiche indicate a lezione dai docenti.

I docenti metteranno a disposizione dispense/slides delle lezioni e delle esercitazioni, i manuali e il materiale necessario per le esercitazioni di laboratorio e per lo svolgimento delle attività pratiche. Tutto il materiale didattico sarà scaricabile attraverso il portale.

Modalità di esame: Accertamento (esame senza voto);

Exam: Check;

... Gli studenti sono invitati a lavorare in gruppo. Ogni gruppo preparerà una presentazione/relazione scritta come indicato dal docente durante l’insegnamento. Il materiale preparato dagli studenti andrà consegnato caricando un file in PDF sul portale della didattica, secondo le scadenze definite dai docenti di volta in volta, e verrà corretto e valutato dal docente. Opzionalmente, ogni studente potrà sostenere un esame orale che verterà sulle tematiche riportate nel materiale prodotto in cui dovrà dimostrare di aver acquisito il senso critico e le metodologie 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.