Week 2
Week 2
Questo MOOC è stato prodotto nell’ambito del progetto Edvance - Digital Education Hub per la Cultura Digitale Avanzata. Il progetto è finanziato dall’Unione europea - Next Generation EU, Componente 1, Investimento 3.4 “Didattica e competenze universitarie avanzate”.
Descrizione del corso
Questo corso, rivolto principalmente a studenti di medicina e delle professioni sanitarie, svela il percorso dei dati in medicina: dal loro radicamento nel segnale fisico alla loro trasformazione e utilizzo nel mondo digitale.
Esploreremo come segnali vitali, immagini diagnostiche e parametri biometrici vengano acquisiti e digitalizzati, sottolineando come l'interpretazione dei valori numerici dipenda intrinsecamente dalla modalità fisica sottostante.
Affronteremo le sfide cruciali della qualità dei dati: dal rumore e artefatti, alla complessità di derivare dati strutturati da informazioni cliniche non esplicite presenti nei Real World Data, evidenziando strategie per gestire la variabilità interpretativa. Introdurremo i principi di pre-elaborazione, inclusa la necessità di tecniche di normalizzazione e armonizzazione per rendere i dati confrontabili, e discuteremo la compressione e gli standard essenziali (DICOM, FHIR) per l'interoperabilità.
Il corso chiarirà perché dati di alta qualità, rappresentativi e privi di bias, siano il 'carburante' indispensabile per le tecnologie di Intelligenza Artificiale (AI). Comprendere l'intero ciclo di vita del dato medico, dalla sua origine fisica alle sfide della sua gestione nel mondo reale, è fondamentale per utilizzare criticamente le nuove tecnologie AI, interpretare correttamente i loro risultati e contribuire all'innovazione sanitaria responsabile.
Carico di lavoro totale del corso: 25 ore
Risultati di Apprendimento Attesi
Partecipando attivamente al corso, lo studente conseguirà i seguenti risultati di apprendimento attesi (RAA / ILOs):
- Spiegare il processo di acquisizione e conversione dei segnali reali in dati digitali, collegandolo alla loro natura fisica.
- Comprendere i principi fondamentali della digitalizzazione (campionamento, quantizzazione, significato fisico dei valori, compressione).
- Riconoscere le sfide legate alla qualità dei dati, inclusa la derivazione di dati categorici e la variabilità inter-operatore.
- Conoscere i principi di gestione dei dati e gli standard medici (DICOM, HL7, FHIR) e l'importanza della normalizzazione/armonizzazione.
- Riconoscere il ruolo dei dati digitali nell'ecosistema AI in medicina e le implicazioni etiche legate ai bias.
- Discutere e spiegare l'impatto della qualità e preparazione dei dati sulle performance degli algoritmi AI attraverso esempi pratici.
ESCO: signal processing ESCO: data quality assessment ESCO: principles of artificial intelligence ESCO: analysing and evaluating information and data
Prerequisiti
Concetti matematici di base
Attività
Il corso prevede:
- Lezioni frontali
- Quiz Interattivi e di autovalutazione
- Esercitazioni pratiche e simulazioni guidate
- Analisi di casi studio e discussioni tematiche
- Letture e approfondimenti
Schema della sezione
-
-
Gli studenti devonoVisualizzare
-
-
-
Gli studenti devonoVisualizzare
-
Gli studenti devonoVisualizzare
-
Gli studenti devonoVisualizzare
-
Gli studenti devonoVisualizzare
-
Gli studenti devonoVisualizzare
-
Gli studenti devonoVisualizzare
-
-
-
-
-
Gli studenti devonoVisualizzare
-
Gli studenti devonoVisualizzare
-
Gli studenti devonoVisualizzare
-
Gli studenti devonoVisualizzare
-
-
-
Gli studenti devonoVisualizzareRicevere una valutazioneOttenere la sufficienza
-
Valutazione
Il corso prevede l’erogazione di un Open Badge, ottenibile sulla base del punteggio raggiunto rispondendo ai quiz valutati. Hai tentativi illimitati di risposta per ciascun quiz ma dovrai attendere 15 minuti. Il corso si considera completato in modo adeguato all'ottenimento del certificato se raggiungerai almeno il 60% del punteggio complessivo in ciascuno dei quiz valutati. Il punteggio massimo ottenibile in ciascun quiz è indicato all’inizio del quiz stesso. Puoi vedere il punteggio che hai ottenuto nel quiz in corrispondenza dell’ultimo tentativo fatto oppure nella pagina “Valutazione”.
Attestato
Il corso prevede l’erogazione di un Open Badge rispondendo correttamente ad almeno il 60% delle domande in ciascuno dei quiz valutati e rispondendo al questionario finale.
Una volta completate le attività richieste potrai accedere a “Ottieni l’Open Badge”, avviando il rilascio del badge. Le indicazioni per accedere al badge saranno inviate al tuo indirizzo e-mail.
L’Open Badge non è un certificato ufficiale e non dà diritto a crediti universitari, a voti o a diplomi.
Accesso al corso e disponibilità dei materiali
Il corso è erogato in modalità online e gratuito.
Docenti del corso
Mattia Savardi
Docente
Mattia Savardi è ricercatore e docente presso il dipartimento di Specialità Medico-Chirurgiche, Scienze Radiologiche e Sanità Pubblica dell’Università degli Studi di Brescia. Dopo la laurea magistrale con lode in Communication Technologies and Multimedia, ha conseguito un dottorato in Technology for Health con una tesi sull'applicazione di tecniche di Deep Learning all’analisi di immagini medicali, premiata con il GTTI PhD Award nel 2020. La sua attività di ricerca si concentra sull’uso dell’Intelligenza Artificiale per l’analisi di dati biomedicali complessi—come MRI cerebrali, immagini radiografiche, e dati multispettrali—collaborando con enti clinici e accademici a livello nazionale e internazionale. Ha contribuito allo sviluppo di sistemi per la valutazione automatica della polmonite da COVID-19, alla segmentazione atlas-free di strutture cerebrali e all’analisi di contenuti audiovisivi in ambito neuroscientifico e psicologico.
Contatti
Per qualsiasi informazioni sul corso o per problemi tecnici scrivi a pok@polimi.it o consulta la pagina delle FAQ.