OT4 Intelligenza Artificiale in Medicina
Corso di Laurea in Medicina e Chirurgia @ CISMED
Docenti
Giuseppe Riccardi
Giovanni Iacca
Eleonora Maria Aiello
Descrizione
Gli obiettivi primari di questo percorso ( lezioni frontali e tirocinio ), progettato e sviluppato per gli studenti di medicina, sono: 1) fornire una mappatura concettuale dei principi fondamentali che governano i sistemi di intelligenza artificiale, e 2) presentare quindi le loro applicazioni nell’ambito della medicina.
Le attività di laboratorio forniranno esempi pratici delle principali applicazioni del machine learning in ambito medico, in particolare focalizzandosi sull’analisi automatica dei dati a scopi di diagnostica (ad esempio tramite classificazione automatica di immagini) e predizione. Non da ultimo, il tirocinio avrà come scopo quello di applicare quanto appreso nelle lezioni frontali e nei laboratori a casi di studio reali realizzati in ambiente clinico o presso gruppi di ricerca che operano in ambito AI.
Contenuti
Il corso presenterà i concetti principali e fondanti dei sistemi di intelligenza artificiale (IA) e di apprendimento automatico (machine learning). Verranno discussi casi di studio ed applicazioni di sistemi di IA in ambito medico e della salute. Nella parte centrale del corso, ci saranno sessioni di laboratorio che forniranno esempi pratici di analisi di segnali fisiologici. Nell’ambito di questi segnali, verranno presentate diverse tecniche di apprendimento, supervisionato e non-supervisionato. Verranno forniti diversi esempi di analisi diagnostica automatica di serie temporali ed immagini. Il tirocinio verrà svolto in una delle unità operative delle cliniche affiliate alla scuola di medicina. Esso avrà come scopo quello di trasferire le conoscenze acquisite nell'analisi dei processi decisionali in ambito medico e clinico.
=======Materiale Didattico ============
N.B. Le slides sono in inglese ma le lezioni verrano erogate in Italiano.
LECTURES
Introduction (Objectives, Organization and Assessment)What is AI
Machine Learning Concepts and Frameworks
AI for Medicine and Health: Use Cases
LABS
Data and VisualizationLogistic Regression
Decision Trees
Unsupervised Learning
Convolutional Neural Networks
Multi-Layer Perceptron Neural Networks
