Insegnamento DATA SCIENCE FOR HEALTH SYSTEMS
| Nome del corso | Ingegneria informatica e robotica |
|---|---|
| Codice insegnamento | 70A00039 |
| Curriculum | Data science e data engineering |
| Docente responsabile | Alessio De Angelis |
| Docenti |
|
| Ore |
|
| CFU | 6 |
| Regolamento | Coorte 2023 |
| Erogato | Erogato nel 2024/25 |
| Attività | Affine/integrativa |
| Ambito | Attività formative affini o integrative |
| Settore | ING-INF/07 |
| Tipo insegnamento | Opzionale (Optional) |
| Tipo attività | Attività formativa monodisciplinare |
| Lingua insegnamento | ITALIANO |
| Contenuti | Il corso si propone di fornire gli strumenti per affrontare problemi relativi a data science nell'ambito biomedico. La prima parte del corso riguarda l'origine dei dati, con lo studio della teoria della misurazione e delle principali tipologie di misure biomediche. Particolare attenzione è rivolta alle bioimmagini. Nella seconda parte del corso si affrontano i metodi statistici rilevanti in ambito biomedico. Per fornire competenze pratiche, una porzione importante del corso è costituita da esercitazioni al calcolatore con strumenti software diffusi per le analisi statistiche dei dati biomedici. I concetti vengono presentati mediante l'utilizzo di dataset di esempio. |
| Testi di riferimento | Dispense a cura del docente. |
| Obiettivi formativi | - Comprendere le basi dei metodi statistici e di misura usati nell’ambito della sanità - Comprendere i problemi fondamentali in alcune delle aree di applicazione di data science in campo biomedico - Acquisire familiarità con i principali strumenti software utilizzati nel settore data science biomedico: R, Matlab/Octave - Acquisire la terminologia usata in questo settore |
| Prerequisiti | Teoria della probabilità |
| Metodi didattici | Lezioni frontali, esercitazioni al calcolatore |
| Altre informazioni | Per contattare il docente: alessio.deangelis@unipg.it |
| Modalità di verifica dell'apprendimento | - Prova scritta: domande a risposta multipla e aperta breve - Tesina di tipo survey o sperimentale, svolta in gruppi da 1 a 4 persone. Breve report e presentazione - Orale facoltativo |
| Programma esteso | 1. Origine dei dati: misure. Teoria della misurazione ed incertezza. Metodo Monte Carlo per la valutazione dell'incertezza. 2. Dati biomedici. Sistemi di misura e sensori biomedici. Caratteristiche e parametri prestazionali. 3. Bioimmagini. Strumentazione per le bioimmagini: tomografia assiale computerizzata, principio operativo e algoritmo di ricostruzione, trasformata e anti trasformata di Radon, ecografo ad ultrasuoni, tomografia a emissione di positroni, risonanza magnetica. Metodi di elaborazione e standard per le bioimmagini. 4. Informatica medica. Definizioni, contesto applicativo, dati medici. Codifica e classificazione delle informazioni mediche: international classification of diseases (ICD), diagnosis related groups (DRG), standard HL7. 5. Analisi dei dati biomedici e biostatistica. Studi statistici, meta-analisi, verifica delle ipotesi, inferenza nel campo biomedico. Test statistici: di adattamento, parametrici, t di Student, chi quadrato di Pearson, non parametrici (dei ranghi, per scale di misura ordinali), ANOVA, analisi post-hoc, correzioni di Bonferroni e Benjamini-Hochberg, ROC, ANCOVA, GLM. Esercitazioni in aula con il linguaggio R e l’ambiente RStudio: principali comandi e sintassi di R, caricamento e gestione di dataset biomedici, analisi esplorative dei dati (EDA), strumenti grafici, statistiche di sintesi, test statistici. |