Programma
Programma:
1. Introduzione all'Intelligenza Artificiale (IA) e Machine Learning
• Panoramica dell'IA: Storia, evoluzione e applicazioni dell'IA nella sanità
• Machine Learning (ML): Introduzione al machine learning, concetti chiave (apprendimento
supervisionato, non supervisionato e apprendimento per rinforzo) e approcci principali
• Applicazioni nella Sanità: Esempi come l'analisi delle immagini mediche, l'analisi delle
cartelle cliniche elettroniche, la previsione delle malattie e l'allocazione delle risorse.
2. Modelli di Machine Learning nella Sanità
• Apprendimento Supervisionato: Esempi nella sanità, come modelli diagnostici e previsione
delle riammissioni ospedaliere.
• Apprendimento Non Supervisionato: Applicazioni nel clustering delle malattie e nella
stratificazione del rischio
• Apprendimento per Rinforzo: Panoramica con esempi come la pianificazione dei
trattamenti.
• Reti Neurali: Importanza del deep learning e delle reti neurali nella sanità, inclusi la
radiologia e la genomica
3. Workshop/Sessione Interattiva: Strumenti di IA per HTA
• Dimostrazione Pratica: Introduzione a strumenti semplici di IA ed esempi di applicazioni
dell'IA nella sanità.
• Attività di Gruppo: Brainstorming su come l'IA può supportare il processo decisionale
nell'HTA.
4. Gestione dei Dati e IA nella Sanità
• Requisiti per i Dati nell'IA: Discussione sull'importanza di grandi dataset, pulizia e
strutturazione dei dati.
• Sfide nell'Acquisizione dei Dati: Problemi con i dati sanitari, inclusi privacy, sicurezza e
potenziale di bias.
• Analisi dei Dati con IA per HTA: Esempi di valutazioni basate sui dati per la valutazione delle
tecnologie mediche.
5. Case Study: Applicazioni dell'IA nell'HTA
• IA nella Radiologia: Come gli strumenti di analisi delle immagini basati sull'IA hanno
migliorato la diagnostica.
• Analitica Predittiva: Uso dell'IA per prevedere focolai di malattie e migliorare l'allocazione
delle risorse ospedaliere.
• IA nelle Sperimentazioni Cliniche: Ottimizzazione della progettazione e del monitoraggio
delle sperimentazioni cliniche tramite l'IA.
6. Sfide ed Aspetti Etici dell'IA e HTA
• Bias e Correttezza nell'IA: Comprensione dei bias negli algoritmi di IA e le loro implicazioni
nelle decisioni sanitarie.
• Uso Etico dell'IA nell'HTA: Discussione su privacy dei pazienti, consenso informato e impatto
dell'IA sulle decisioni cliniche.
• Considerazioni Regolatorie: Come i sistemi di IA dovrebbero essere valutati nei quadri
dell'HTA per sicurezza ed efficacia.
7. Discussione di Gruppo e Q&A
• Sessione Interattiva: Rispondere alle domande del pubblico sull'implementazione dell'IA
nell'HTA.
• Feedback di Gruppo: Discussione sui principali insegnamenti e sulle possibili applicazioni nel
lavoro dei partecipanti.
9. Conclusione e Prossimi Passi
• Sintesi della Giornata: Riepilogo dei principali argomenti trattati.
• Risorse per l'Approfondimento: Condivisione di risorse per continuare l'apprendimento
(riviste, corsi, strumenti).
• Opportunità di Networking e Collaborazione: Come i partecipanti possono collaborare su
progetti di IA e HTA in futuro.
8. Test Finale
• Verifica delle Competenze:Test scritto per valutare la comprensione dei concetti principali
trattati durante la giornata
