PORTALE DELLA DIDATTICA

Ricerca CERCA
  KEYWORD

AA - Materials and Processes for Micro and Nano Technologies

Sviluppo di un algoritmo di predizione dello stato di salute di un paziente con insufficienza renale

Parole chiave ARTIFICIAL NEURAL NETWORK, BIG DATA, BIOMEDICINA, MACHINE LEARNING, PROGRAMMAZIONE

Riferimenti VALENTINA ALICE CAUDA

Riferimenti esterni Ing. Andrea Ancona (andrea.ancona@polito.it)

Gruppi di ricerca AA - Materials and Processes for Micro and Nano Technologies

Tipo tesi SOFTWARE SPERIMENTALE

Descrizione E’ stato stimato che più del 5 % di tutti i pazienti ospedalizzati e il 50 % circa dei pazienti ricoverati in terapia intensiva soffrano di Insufficienza renale acuta (AKI), una improvvisa e pericolosa riduzione della funzione renale. Solo in Italia, più di 400 mila persone ogni anno sono soggette a sindrome da danno renale acuto. Attualmente, i medici non hanno a disposizione sistemi affidabili per la diagnosi precoce dell’AKI. E’ stato stimato infatti che il 43% dei pazienti ricoverati in terapia intensiva abbia ricevuto una diagnosi tardiva dell’insorgenza di AKI e che nel 54% dei casi il rischio di sviluppo di AKI sia stato sottostimato dal medico curante.
La tesi si propone di progettare e sviluppare un algoritmo di machine learning/neural network per la predizione dell’andamento dei parametri fisioligici indicativi dello stato renale del paziente sotto osservazione. Partendo da un dataset pubblico relativo ai parametri fisiologici di 15 mila pazienti ricoverati in terapia intensiva, questo algoritmo verrà integrato all’interno di un innovativo sistema di monitoraggio attualmente in sviluppo. Si dovranno progettare tecniche di modellazione e learning sulla base dei dati del dataset e sulla correlazione tra questi e lo stadio di insufficienza renale, in modo da realizzare un modello “black-box” che consenta la predizione dello stato di salute renale del paziente.

Conoscenze richieste Statistica, Machine learning (basics), Programmazione (es. Python), reti neurali


Scadenza validita proposta 02/09/2020      PROPONI LA TUA CANDIDATURA




© Politecnico di Torino
Corso Duca degli Abruzzi, 24 - 10129 Torino, ITALY
Contatti