Italiano

L'Intelligenza Artificiale (IA) sta trasformando la medicina, con applicazioni in diagnosi, predizione e monitoraggio delle malattie. Tecniche come il machine learning e il deep learning, tramite reti neurali, vengono usate per analizzare dati complessi, come immagini mediche, per diagnosi automatiche e predire l'evoluzione delle malattie. L'IA è particolarmente utile in diagnostica per immagini e nel monitoraggio di malattie croniche. Tuttavia, solleva problemi etici e legali, come la gestione dei dati sensibili e la trasparenza dei modelli decisionali. Strumenti come TensorFlow e PyTorch sono fondamentali per sviluppare applicazioni pratiche in medicina, migliorando l'efficienza e la precisione, ma richiedono un'attenta gestione delle implicazioni legali e di privacy.

Verrà fornito materiale didattico prelevato dai siti web relativi alle normative ed alle procedure illustrate nel corso.
A tale materiale verranno aggiunte tutte le sildes del corso all'interno delle qali verranno anche riportati i siti di riferimento per l'accesso ai materiali didattici

Al termine del modulo, lo studente sarà in grado di:
- Comprendere i principi e le tecniche di Intelligenza Artificiale (IA) applicate alla medicina.
- Conoscere i principali algoritmi di machine learning e deep learning utilizzati in ambito sanitario.
- Applicare l'IA in contesti diagnostici, terapeutici e di monitoraggio, con particolare attenzione all'elaborazione e analisi delle immagini mediche.
- Riconoscere i problemi etici, legali e di sicurezza associati all'uso dell'IA in medicina.
- Utilizzare strumenti software per implementare modelli di IA e analizzare dati medici.

- Conoscenze di base in matematica e statistica.
- Conoscenza dei fondamenti di informatica e programmazione (linguaggi come Python, MATLAB, ecc.).
- Nozioni di biologia e anatomia applicate alla medicina.

Il Corso sarà svolto mediante lezioni frontali, con l'ausilio di 'slides' o altro materiale informatico

La valutazione delle competenze degli studenti si basa su una prova orale.
Le domande riguardano gli aspetti sulla intelligenza artificiale in medicina.
Le domande saranno quanto più specifiche per valutare le conoscenze di base dell'argomento. Lo studente dovrebbe essere in grado di discutere su questi argomenti ed essere in grado di collegare e analizzare i diversi argomenti. Il voto finale è espresso in 30/30 dove 18 rappresenta il minimo e 30 il massimo

Il materiale didattico utilizzato per le lezioni frontali sarà messo a disposizione degli studenti in formato elettronico attraverso i canali istituzionali dell’Ateneo.

- Introduzione all'Intelligenza Artificiale in Medicina
- Fondamenti di Machine Learning per la Medicina
- Deep Learning e Reti Neurali
- Applicazioni dell'IA nella Diagnostica per Immagini Mediche
- IA nella Predizione e Monitoraggio delle Malattie
- Problemi Etici, Legali e Sicurezza nell'uso dell'IA in Medicina
- Strumenti e Software per l'Implementazione di Modelli IA in Medicina

Artificial Intelligence (AI) is transforming medicine, with applications in the diagnosis, prediction and monitoring of diseases. Techniques such as machine learning and deep learning, using neural networks, are used to analyse complex data, such as medical images, for automated diagnosis and to predict the progression of diseases. AI is particularly useful in diagnostic imaging and the monitoring of chronic diseases. However, it raises ethical and legal issues, such as the handling of sensitive data and the transparency of decision-making models. Tools such as TensorFlow and PyTorch are essential for developing practical applications in medicine, improving efficiency and accuracy, but they require careful management of legal and privacy implications.

Teaching materials taken from websites relating to the regulations and procedures covered in the course will be provided.
In addition to these materials, all the course slides will be included, which will also list the relevant websites for accessing the teaching materials.

By the end of the module, students will be able to:
- Understand the principles and techniques of Artificial Intelligence (AI) as applied to medicine.
- Identify the main machine learning and deep learning algorithms used in healthcare.
- Apply AI in diagnostic, therapeutic and monitoring contexts, with a particular focus on the processing and analysis of medical images.
- Recognise the ethical, legal and safety issues associated with the use of AI in medicine.
- Use software tools to implement AI models and analyse medical data.

- A basic understanding of mathematics and statistics.
- Knowledge of the fundamentals of computer science and programming (languages such as Python, MATLAB, etc.).
- A basic understanding of biology and anatomy as applied to medicine.

The course will consist of lectures, supported by slides or other digital materials

The assessment of students’ skills is based on an oral examination.
The questions cover aspects of artificial intelligence in medicine.
The questions will be as specific as possible in order to assess students’ fundamental knowledge of the subject. Students should be able to discuss these topics and link and analyse the various issues. The final mark is out of 30, with 18 being the pass mark and 30 the maximum.

The teaching materials used for lectures will be made available to students in electronic format via the University’s official channels.

- Introduction to Artificial Intelligence in Medicine
- Fundamentals of Machine Learning for Medicine
- Deep Learning and Neural Networks
- Applications of AI in Medical Imaging Diagnostics
- AI in Disease Prediction and Monitoring
- Ethical, Legal and Safety Issues in the Use of AI in Medicine
- Tools and Software for Implementing AI Models in Medicine