B5224 - ARTIFICIAL INTELLIGENCE FOR MEDICINE M

Conoscenze e abilità da conseguire

At the end of the course, the student has: -knowledge regarding the need for AI in Medicine; -understanding of weaknesses of AI techniques, methods to overcome the challenges of AI in Medicine, and ways in which AI may improve healthcare; -essential knowledge to develop and implement reliable AI solutions in clinical research (using, e.g., supervised and unsupervised machine and deep learning techniques, explainable AI methods, and generative adversarial techniques); -practical skills to develop state-of-the-art AI tools with real-world medical data (e.g., clinical and imaging data); -the ability to critically read, discuss and evaluate methods and results of studies using AI in Medicine; -an overview of state-of-the-art AI-powered tools in Medicine.

Contenuti

· Introduzione all'IA nella Sanità e in Medicina: progressi, sfide e opportunità;

· Introduzione ai dati clinici: raccolta e gestione dei dati medici, etica e consenso informato, controllo di qualità, armonizzazione dei dati, tecniche di data augmentation, dataset sintetici, dimensione dei dataset vs. intervalli di confidenza;

· Fondamenti dell'IA per la Medicina: debolezze delle tecniche di IA e loro conseguenze in Medicina, valutazione degli strumenti di IA in Medicina, Explainable AI, riproducibilità dell'IA, apprendimento self-supervised, apprendimento federato e swarm learning, reporting trasparente, l'etica dell'IA nella sanità e Medicina, integrazione clinica;

· Progetti pratici con dati clinici: progetti per fornire esperienza tecnica nell'IA per la Medicina;

· Strumenti IA nel mondo reale in Medicina: una panoramica delle soluzioni IA all'avanguardia in Medicina e Sanità.

Testi/Bibliografia

Dispense fornite dal docente.

M. Lutz, "Learning Python", O'Reilly, 2013

I. Goodfellow, Y. Bengio, A. Courville, "Deep Learning", MIT Press, 2016 (https://www.deeplearningbook.org/ )

Metodi didattici

Il corso è articolato in lezioni ex-cathedra ed esercitazioni al computer. Le lezioni si propongono di fornire allo studente le conoscenze teoriche sull'intelligenza artificiale per la Medicina, e di renderlo consapevole dei pregi e limiti di ciascuna tecnica. Le esercitazioni si propongono di addestrare lo studente alla risoluzione di problemi reali di natura biomedica, e di fargli vedere nella pratica le possibilità ma anche gli errori introdotti da ciascuna tecnica.

In considerazione della tipologia di attività e dei metodi didattici adottati, la frequenza di questa attività formativa richiede la preventiva partecipazione di tutti gli studenti ai moduli 1 e 2 di formazione sulla sicurezza nei luoghi di studio [https://elearning-sicurezza.unibo.it/], in modalità e-learning.

Modalità di verifica e valutazione dell'apprendimento

La verifica dell'apprendimento avviene attraverso l'esame finale, che accerta l'acquisizione delle conoscenze e delle abilità attese tramite lo svolgimento di una prova orale. La prova orale verte sia sui concetti teorici esposti durante le lezioni sia sugli strumenti software utilizzati in laboratorio e attesta le conoscenze teorico-pratiche dello studente, la padronanza dei concetti, la proprietà di linguaggio e la chiarezza espositiva.

Strumenti a supporto della didattica

Document camera, videoproiettore.

Dispense fornite dal docente.

Laboratorio di personal computer.

Ambiente di analisi presso il laboratorio di personal computer, per lo svolgimento di esercitazioni al computer

Orario di ricevimento

Consulta il sito web di Stefano Diciotti