Titolo universitario
La più grande facoltà di ingegneria del mondo"
Presentazione
Grazie a questo Master privato comprenderai come l'intelligenza artificiale influisce sul riconoscimento dei modelli di immagini mediche”
Il Master privato in E-Health e Big Data mira a far conoscere i molteplici vantaggi della tecnologia nel campo della medicina. Il concetto di sanità elettronica o "eHealth" è definito dall'Organizzazione Mondiale della Sanità (OMS) come: l'uso efficace e sicuro delle tecnologie dell'informazione e della comunicazione a sostegno della salute e dei settori correlati alla sanità pubblica, tra cui l'assistenza e la vigilanza sanitaria, l'educazione, la conoscenza e la ricerca. Gli sviluppi in questo campo consentono, ad esempio, di diagnosticare le malattie utilizzando i database degli ospedali o addirittura di trapiantare arti stampati in 3D nei corpi umani e di animali.
L'imminente evoluzione della medicina richiede figure professionali altamente qualificate che sappiano rispondere alle esigenze dell'Industria 4.0. L'obiettivo di TECH è quello di dare impulso alle carriere degli studenti che desiderino approfondire le loro conoscenze nell'ambito del servizio sanitario e sono inoltre interessati allo svolgimento della telemedicina. Questo Master privato studia i fondamenti teorici e pratici della medicina moderna per offrire una visione globale e profonda sui nuovi progressi biomedici.
Lo studente non solo approfondirà gli aspetti dell'E-Health e dei Big Data, ma imparerà anche a conoscere il funzionamento del sistema sanitario internazionale e la sua organizzazione. Questo programma analizza a fondo anche l'imprenditorialità focalizzata agli studenti di Ingegneria, in modo da promuovere la creazione di proprie aziende fornendo loro gli aspetti chiave dell'innovazione aziendale.
TECH offre questi studi per mezzo di un Master privato basato sulle conoscenze di scienziati del settore, che partecipano a progetti di intelligenza artificiale. I docenti saranno disponibili 24 ore su 24 e seguiranno gli studenti nel corso del programma. Inoltre, la modalità 100% online e i contenuti audiovisivi forniranno allo studente tutte le agevolazioni per realizzare i propri studi.
Distinguiti in un settore in forte espansione e unisciti rivoluzione tecnologica del futuro nel settore sanitario”
Questo Master privato in E-Health e Big Data possiede il programma più completo e aggiornato del mercato. Le caratteristiche principali del programma sono:
- Sviluppo di casi di studio presentati da esperti in Tecnologie dell'Informazione e della Comunicazione applicate all’ambito sanitario
- Contenuti grafici, schematici ed eminentemente pratici che forniscono informazioni scientifiche e pratiche riguardo alle discipline essenziali per l’esercizio della professione
- Esercizi pratici che offrono un processo di autovalutazione per migliorare l'apprendimento
- Speciale enfasi sulle metodologie innovative
- Lezioni teoriche, domande all'esperto, forum di discussione su questioni controverse e compiti di riflessione individuale
- Contenuti disponibili da qualsiasi dispositivo fisso o mobile dotato di connessione a internet
Partecipa al cambiamento della medicina moderna applicando l'intelligenza artificiale e l'Internet of Things (IoT) alla telemedicina”
Il personale docente del programma comprende rinomati professionisti del settore, nonché specialisti riconosciuti appartenenti a società e università prestigiose, che forniscono agli studenti le competenze necessarie a intraprendere un percorso di studio eccellente.
I contenuti multimediali, sviluppati in base alle ultime tecnologie educative, forniranno al professionista un apprendimento coinvolgente e localizzato, ovvero inserito in un contesto reale.
La creazione di questo programma è incentrata sull’Apprendimento Basato su Problemi, mediante il quale lo specialista deve cercare di risolvere le diverse situazioni che gli si presentano durante il corso. Lo studente potrà usufruire di un innovativo sistema di video interattivi creati da esperti di rinomata fama.
Aumenta le tue opportunità di carriera grazie all'informatica bioinformatica e alle tecniche dei Big Data”
Aggiorna le tue conoscenze biomediche grazie ai nuovi strumenti per la gestione della salute”
Programma
I contenuti di questo programma sono stati accuratamente progettati da un team di professionisti che apportano le loro conoscenze sui settori delle scienze della salute e della comunicazione. Grazie al loro contributo, lo studente comprenderà in modo semplice e pedagogico la materia, che abbraccia la medicina clinica, l'innovazione aziendale e l'imprenditorialità nell'E-Health. A questo scopo, TECH applica la metodologia Relearning, che offre garanzie di studio consentendo un insegnamento graduale attraverso contenuti teorico-pratici.
Un programma sviluppato da esperti in scienze della salute che forniscono contenuti di qualità per trasmettere le conoscenze appropriate”
Modulo 1. Medicina molecolare e diagnostica patologica
1.1. Medicina molecolare
1.1.1. Biologia cellulare e molecolare. Lesioni e morte cellulare. Invecchiamento
1.1.2. Malattie causate da microrganismi e difesa dell'ospite
1.1.3. Malattie autoimmuni
1.1.4. Malattie tossicologiche
1.1.5. Malattie da ipossia
1.1.6. Malattie legate all'ambiente
1.1.7. Malattie genetiche ed epigenetica
1.1.8. Malattie oncologiche
1.2. Apparato circolatorio
1.2.1. Anatomia e funzione
1.2.2. Malattie del miocardio e insufficienza cardiaca
1.2.3. Malattie del ritmo cardiaco
1.2.4. Malattie valvolari e pericardiche
1.2.5. Aterosclerosi e ipertensione arteriosa
1.2.6. Malattie arteriose e venose periferiche
1.2.7. Malattie linfatiche (patologie trascurate)
1.3. Malattie dell'apparato respiratorio
1.3.1. Anatomia e funzione
1.3.2. Malattie polmonari ostruttive acute e croniche
1.3.3. Malattie della pleura e del mediastino
1.3.4. Malattie infettive del parenchima polmonare e dei bronchi
1.3.5. Malattie della circolazione polmonare
1.4. Malattie dell’apparato digerente
1.4.1. Anatomia e funzione
1.4.2. Apparato digerente, nutrizione e scambio idrico-elettrolitico
1.4.3. Malattie gastro-esofagee
1.4.4. Malattie infettive gastrointestinali
1.4.5. Malattie del fegato e delle vie biliari
1.4.6. Malattie del pancreas
1.4.7. Malattie del colon
1.5. Malattie dei reni e delle vie urinarie
1.5.1. Anatomia e funzione
1.5.2. Insufficienza renale (prerenale, renale e postrenale): come si scatenano
1.5.3. Malattie ostruttive delle vie urinarie
1.5.4. Insufficienza sfinterica del tratto urinario
1.5.5. Sindrome nefrosica e sindrome nefritica
1.6. Malattie del sistema endocrino
1.6.1. Anatomia e funzione
1.6.2. Il ciclo mestruale e i disturbi relazionati
1.6.3. Malattia della tiroide
1.6.4. Malattie delle ghiandole surrenali
1.6.5. Malattie delle gonadi e della differenziazione sessuale
1.6.6. Asse ipotalamo-ipofisario, metabolismo del calcio, vitamina D e suoi effetti sulla crescita e sul sistema osseo
1.7. Metabolismo e nutrizione
1.7.1. Nutrienti essenziali e non essenziali (chiarimento delle definizioni)
1.7.2. Metabolismo dei carboidrati e suoi disturbi
1.7.3. Metabolismo delle proteine e sue alterazioni
1.7.4. Metabolismo lipidico e sue alterazioni
1.7.5. Metabolismo del ferro e sue alterazioni
1.7.6. Disturbi dell'equilibrio acido-base
1.7.7. Metabolismo del sodio e del potassio e sue alterazioni
1.7.8. Patologie nutrizionali (ipercaloriche e ipocaloriche)
1.8. Malattie ematologiche
1.8.1. Anatomia e funzione
1.8.2. Malattie della serie rossa
1.8.3. Malattie della serie bianca, dei linfonodi e della milza
1.8.4. Malattie dell'emostasi e della coagulazione
1.9. Malattie dell'apparato muscolo-scheletrico
1.9.1. Anatomia e funzione
1.9.2. Articolazioni, tipi e funzioni
1.9.3. Rigenerazione ossea
1.9.4. Sviluppo normale e patologico del sistema scheletrico
1.9.5. Deformità degli arti superiori e inferiori
1.9.6. Patologia articolare, cartilagine e analisi del liquido sinoviale
1.9.7. Malattie articolari di origine immunologica
1.10. Malattie del sistema nervoso
1.10.1. Anatomia e funzione
1.10.2. Sviluppo del sistema nervoso centrale e periferico
1.10.3. Sviluppo della colonna vertebrale e dei suoi componenti
1.10.4. Disturbi cerebellari e propriocettivi
1.10.5. Malattie specifiche del cervello (sistema nervoso centrale)
1.10.6. Malattie del midollo spinale e del liquido cerebrospinale
1.10.7. Malattie stenotiche del sistema nervoso periferico
1.10.8. Malattie infettive del sistema nervoso centrale
1.10.9. Malattie cerebrovascolari (stenotiche ed emorragiche)
Modulo 2. Sistema sanitario. Gestione e direzione di centri sanitari
2.1. Sistemi sanitari
2.1.1. I sistemi sanitari
2.1.2. I sistemi sanitari secondo l'OMS
2.1.3. Contesto sanitario
2.2. Modelli di assistenza sanitaria I. Modello Bismark vs. Beveridge
2.2.1. Modello Bismarck
2.2.2. Modello Beveridge
2.2.3. Modello Bismark vs. Modello Beveridge
2.3. Modelli di assistenza sanitaria II. Modello Semashko, privato e misto
2.3.1. Modello Semashko
2.3.2. Modello privato
2.3.3. Modello misto
2.4. Il mercato della salute
2.4.1. Il mercato della salute
2.4.2. Regolazione e limiti del mercato sanitario
2.4.3. Modalità di pagamento di medici e ospedali
2.4.4. L'ingegnere clinico
2.5. Ospedali. Tipologia
2.5.1. Architettura dell'ospedale
2.5.2. Tipi di ospedali
2.5.3. Organizzazione ospedaliera
2.6. Metriche nella sanità
2.6.1. Mortalità
2.6.2. Morbilità
2.6.3. Anni di vita in salute
2.7. Metodi di allocazione delle risorse sanitarie
2.7.1. Programmazione lineare
2.7.2. Modelli di massimizzazione
2.7.3. Modelli di minimizzazione
2.8. Misurare la produttività nella sanità
2.8.1. Misure di produttività sanitaria
2.8.2. Indici di produttività
2.8.3. Adeguamento degli input
2.8.4. Adeguamento della produzione
2.9. Miglioramento dei processi in ambito sanitario
2.9.1. Processo di Lean Management
2.9.2. Strumenti di semplificazione del lavoro
2.9.3. Strumenti di indagine dei problemi
2.10. Gestione dei progetti in ambito sanitario
2.10.1. Ruolo del Project Manager
2.10.2. Strumenti di gestione del team e del progetto
2.10.3. Gestione dei tempi e delle scadenze
Modulo 3. Ricerca in scienze della salute
3.1. La ricerca scientifica I. Il metodo scientifico
3.1.1. Ricerca scientifica
3.1.2. Ricerca in scienze della salute
3.1.3. Il metodo scientifico
3.2. La ricerca scientifica II. Tipologia
3.2.1. Ricerca di base
3.2.2. Ricerca clinica
3.2.3. La ricerca traslazionale
3.3. Medicina basata sull'evidenza
3.3.1. Medicina basata sull'evidenza
3.3.2. Principi della medicina basata sull'evidenza
3.3.3. Metodologia della medicina basata sull'evidenza
3.4. Etica e legislazione della ricerca scientifica. La dichiarazione di Helsinki
3.4.1. Il comitato etico
3.4.2. La dichiarazione di Helsinki
3.4.3. L'etica nelle scienze della salute
3.5. Risultati della ricerca scientifica
3.5.1. Metodi
3.5.2. Rigore e potenza statistica
3.5.3. Validità dei risultati scientifici
3.6. Comunicazione pubblica
3.6.1. Società scientifiche
3.6.2. Il congresso scientifico
3.6.3. Strutture di comunicazione
3.7. Il finanziamento della ricerca scientifica
3.7.1. Struttura di un progetto scientifico
3.7.2. Finanziamenti pubblici
3.7.3. Finanziamenti privati e industriali
3.8. Risorse scientifiche per la ricerca bibliografica. Banche dati di scienze della salute I
3.8.1. PubMed-Medline
3.8.2. Embase
3.8.3. WOS e JCR
3.8.4. Scopus e Scimago
3.8.5. Micromedex
3.8.6. MEDES
3.8.7. IBECS
3.8.8. LILACS
3.8.9. BDENF
3.8.10. Cuidatge
3.8.11. CINAHL
3.8.12. Cuiden Plus
3.8.13. Enfispo
3.8.14. Banche dati dell'NCBI (OMIM, TOXNET) e del NIH (National Cancer Institute)
3.9. Risorse scientifiche per la ricerca bibliografica. Banche dati delle scienze della salute II
3.9.1. NARIC-REHABDATA
3.9.2. PEDro
3.9.3. ASABE: Technical Library
3.9.4. CAB Abstracts
3.9.5. Basi di dati del CDR (Centre for Reviews and Dissemination)
3.9.6. Biomed Central BMC
3.9.7. ClinicalTrials.gov
3.9.8. Clinical Trials Register
3.9.9. DOAJ-Directory of Open Acess Journals
3.9.10. PROSPERO (Registro prospettico internazionale di revisioni sistematiche)
3.9.11. TRIP
3.9.12. LILACS
3.9.13. NIH. Medical Library
3.9.14. Medline Plus
3.9.15. OPS
3.10. Risorse scientifiche per la ricerca bibliografica III. Motori di ricerca e piattaforme
3.10.1. Motori di ricerca e multisearch
3.10.1.1. Findr
3.10.1.2. Dimensions
3.10.1.3. Google Scholar
3.10.1.4. Microsoft Academic
3.10.2. Piattaforma del registro internazionale degli studi clinici dell'OMS (ICTRP)
3.10.2.1. PubMed Central PMC
3.10.2.2. Raccoglitore di scienza aperta (RECOLECTA)
3.10.2.3. Zenodo
3.10.3. Motori di ricerca per tesi di dottorato
3.10.3.1. DART-Europe
3.10.3.2. Dialnet-Tesi di dottorato
3.10.3.3. OATD (Open Access Theses and Dissertations)
3.10.3.4. TDR (Tesi di dottorato in rete)
3.10.3.5. TESEO
3.10.4. Gestori bibliografici
3.10.4.1. Endnote online
3.10.4.2. Mendeley
3.10.4.3. Zotero
3.10.4.4. Citeulike
3.10.4.5. Refworks
3.10.5. Reti sociali digitali per ricercatori
3.10.5.1. Scielo
3.10.5.2. Dialnet
3.10.5.3. Free Medical Journals
3.10.5.4. DOAJ
3.10.5.5. Open Science Directory
3.10.5.6. Redalyc
3.10.5.7. Academia.edu
3.10.5.8. Mendeley
3.10.5.9. ResearchGate
3.10.6. Risorse del Web sociale 2.0
3.10.6.1. Delicious
3.10.6.2. Slideshare
3.10.6.3. Youtube
3.10.6.4. Twitter
3.10.6.5. Blog di Scienze della Salute
3.10.6.6. Facebook
3.10.6.7. Evernote
3.10.6.8. Dropbox
3.10.6.9. Google Drive
3.10.7. Portali di editori e aggregatori di riviste scientifiche
3.10.7.1. Science Direct
3.10.7.2. Ovid
3.10.7.3. Springer
3.10.7.4. Wiley
3.10.7.5. Proquest
3.10.7.6. Ebsco
3.10.7.7. BioMed Central
Modulo 4. Tecniche, riconoscimento e intervento attraverso l'imaging biomedico
4.1. Imaging medico
4.1.1. Modalità di imaging medico
4.1.2. Obiettivi dei sistemi di imaging medico
4.1 3. Sistemi di archiviazione delle immagini mediche
4.2. Radiologia
4.2.1. Metodo di imaging
4.2.2. Interpretazione radiologica
4.2.3. Applicazioni cliniche
4.3. Tomografia computerizzata (TC)
4.3.1. Principio di funzionamento
4.3.2. Generazione e raccolta dell'immagine
4.3.3. Tomografia computerizzata. Tipologia
4.3.4. Applicazioni cliniche
4.4. Risonanza magnetica (RM)
4.4.1. Principio di funzionamento
4.4.2. Generazione e raccolta dell'immagine
4.4.3. Applicazioni cliniche
4.5. Ultrasuoni: ecografia ed eco-Doppler
4.5.1. Principio di funzionamento
4.5.2. Generazione e raccolta dell'immagine
4.5.3. Tipologia
4.5.4. Applicazioni cliniche
4.6. Medicina nucleare
4.6.1. Basi fisiologiche per gli studi nucleari. Radiofarmaci e medicina nucleare
4.6.2. Generazione e raccolta dell'immagine
4.6.3. Tipi di test
4.6.3.1. Gammagrafia
4.6.3.2. SPECT
4.6.3.3. PET
4.6.3.4. Applicazioni cliniche
4.7. Interventi guidati dall'immagine
4.7.1. Radiologia interventistica
4.7.2. Obiettivi della radiologia interventistica
4.7.3. Procedure
4.7.4. Vantaggi e svantaggi
4.8. Qualità dell'immagine
4.8.1. Tecnica
4.8.2. Contrasto
4.8.3. Risoluzione
4.8.4. Rumore
4.8.5. Distorsione e artefatti
4.9. Test di imaging medico. Biomedicina
4.9.1. Creazione di Immagini 3D
4.9.2. Biomodelli
4.9.2.1. Standard DICOM
4.9.2.2. Applicazioni cliniche
4.10. Protezione radiologica
4.10.1. Legislazione europea applicabile ai servizi di radiologia
4.10.2. Sicurezza e protocolli d'azione
4.10.3. Gestione dei rifiuti radiologici
4.10.4. Protezione radiologica
4.10.5. Cure e caratteristiche delle sale
Modulo 5. Bioinformatica
5.1. Un principio centrale della bioinformatica e dell'informatica. Stato attuale
5.1.1. L'applicazione ideale in bioinformatica
5.1.2. Sviluppi paralleli nella biologia molecolare e nell'informatica
5.1.3. Dogmi in biologia e teoria dell'informazione
5.1.4. Flussi di informazione
5.2. Basi di dati per l'informatica bioinformatica
5.2.1. Database
5.2.2. Gestione dei dati
5.2.3. Ciclo di vita dei dati in bioinformatica
5.2.3.1. Uso
5.2.3.2. Modifica
5.2.3.3. Archivio
5.2.3.4. Riutilizzo
5.2.3.5. Scartato
5.2.4. Tecnologia dei database in bioinformatica
5.2.4.1. Architettura
5.2.4.2. Gestione di database
5.2.5. Interfacce per le banche dati in bioinformatica
5.3. Reti per il calcolo bioinformatico
5.3.1. Modelli di comunicazione. Reti LAN, WAN, MAN e PAN
5.3.2. Protocolli e trasmissione dei dati
5.3.3. Topologia di rete
5.3.4. Hardware dei Datacenters per l'elaborazione
5.3.5. Sicurezza, gestione e implementazione
5.4. Motori di ricerca in bioinformatica
5.4.1. Motori di ricerca in bioinformatica
5.4.2. Processi e tecnologie dei motori di ricerca in bioinformatica
5.4.3. Modelli computazionali: algoritmi di ricerca e approssimazione
5.5. Visualizzazione dei dati in bioinformatica
5.5.1. Visualizzazione di sequenze biologiche
5.5.2. Visualizzazione di strutture biologiche
5.5.2.1. Strumenti di visualizzazione
5.5.2.2. Strumenti di rendering
5.5.3. Interfaccia utente per applicazioni bioinformatiche
5.5.4. Architetture informative per la visualizzazione in bioinformatica
5.6. Statistiche per il calcolo
5.6.1. Concetti statistici per il calcolo in bioinformatica
5.6.2. Casistica di uso: Microarrays di MARN
5.6.3. Dati imperfetti. Errori in statistica: casualità, approssimazione, rumore
5.6.4. Quantificazione degli errori: precisione e sensibilità
5.6.5. Clustering e classificazione
5.7. Data mining
5.7.1. Data mining e infrastruttura di calcolo
5.7.2. Scoperta e riconoscimento di pattern
5.7.3. Apprendimento automatico e nuovi strumenti
5.7.4. Corrispondenza genetica dei modelli
5.8. Corrispondenza genetica dei modelli
5.8.1. Corrispondenza genetica dei modelli
5.8.2. Metodi computazionali per allineamenti di sequenze
5.8.3. Strumenti di pattern matching
5.9. Modellazione e simulazione
5.9.1. Utilizzo in campo farmaceutico: scoperta di farmaci
5.9.2. Struttura delle proteine e biologia dei sistemi
5.9.3. Strumenti disponibili e futuro
5.10. Progetti di collaborazione e di e-computing
5.10.1. Computazione in rete
5.10.2. Standard e regole. Uniformità, coerenza e interoperabilità
5.10.3. Progetti di calcolo collaborativo
Modulo 6. Database biomedici
6.1. Banche dati biomediche
6.1.1. Banche dati biomediche
6.1.2. Banche di dati primari e secondari
6.1.3. Principali database
6.2. Banche dati sul DNA
6.2.1. Banche dati sul genoma
6.2.2. Banche dati sui geni
6.2.3. Banche dati di mutazioni e polimorfismi
6.3. Banche dati di proteine
6.3.1. Banche dati di sequenze primarie
6.3.2. Banche dati di sequenze secondarie e domini
6.3.3. Banche dati di struttura macromolecolare
6.4. Banche dati di progetti omici
6.4.1. Banche dati per studi di genomica
6.4.2. Banche dati per studi di trascrittomica
6.4.3. Banche dati per studi di proteomica
6.5. Banche dati per le malattie genetiche. Medicina personalizzata e di precisione
6.5.1. Banche dati sulle malattie genetiche
6.5.2. Medicina di precisione. La necessità di integrare i dati genetici
6.5.3. Estrazione dei dati OMIM
6.6. Repository autodichiarati dai pazienti
6.6.1. Uso secondario dei dati
6.6.2. Il paziente nella gestione dei dati depositati
6.6.3. Repository di questionari autodichiarati. Esempi
6.7. Database aperti Elixir
6.7.1. Database aperti Elixir
6.7.2. Basi di dati raccolte sulla piattaforma Elixir
6.7.3. Criteri di scelta tra i due database
6.8. Banche dati sulle reazioni avverse ai farmaci (ADR)
6.8.1. Processo di sviluppo farmacologico
6.8.2. Segnalazione delle reazioni avverse ai farmaci
6.8.3. Repository di reazioni avverse a livello europeo e internazionale
6.9. Piano di gestione dei dati di ricerca. Dati da depositare in banche dati pubbliche
6.9.1. Piano di gestione dei dati
6.9.2. Custodia dei dati derivanti dalla ricerca
6.9.3. Deposito dei dati in una banca dati pubblica
6.10. Banche dati cliniche. Problemi di utilizzo secondario dei dati sanitari
6.10.1. Archivi di cartelle cliniche
6.10.2. Cifratura dei dati
Modulo 7. Big Data in medicina: elaborazione massiva di dati medici
7.1. I Big Data nella ricerca biomedica
7.1.1. Generazione di dati in biomedicina
7.1.2. Alto rendimento (Tecnologia High-throughput)
7.1.3. Utilità dei dati ad alto rendimento. Ipotesi nell'era dei Big Data
7.2. Pre-elaborazione dei dati nei Big Data
7.2.1. Pre-elaborazione dei dati
7.2.2. Metodi e approcci
7.2.3. Problemi di pre-elaborazione dei dati nei Big Data
7.3. Genomica strutturale
7.3.1. Il sequenziamento del genoma umano
7.3.2. Sequenziamento vs. Chip
7.3.3. La scoperta delle varianti
7.4. Genomica funzionale
7.4.1. Annotazione funzionale
7.4.2. Predittori di rischio nelle mutazioni
7.4.3. Studi di associazione genomica
7.5. Trascrittomica
7.5.1. Tecniche per ottenere dati massivi nella trascrittomica: RNA-seq
7.5.2. Normalizzazione dei dati di trascrittomica
7.5.3. Studi di espressione differenziale
7.6. Interattomica ed epigenomica
7.6.1. Il ruolo della cromatina nell'espressione genica
7.6.2. Studi di alto rendimento in interattomica
7.6.3. Studi di alto rendimento in epigenetica
7.7. Proteomica
7.7.1. Analisi dei dati di spettrometria di massa
7.7.2. Studio delle modifiche post-traduzionali
7.7.3. Proteomica quantitativa
7.8. Tecniche di arricchimento e Clustering
7.8.1. Contestualizzazione dei risultati
7.8.2. Algoritmi di Clustering nelle tecniche omiche
7.8.3. Repository per l'arricchimento: Gene Ontology e KEGG
7.9. Applicazioni dei Big Data nella sanità pubblica
7.9.1. Scoperta di nuovi biomarcatori e bersagli terapeutici
7.9.2. Predittori di rischio
7.9.3. Medicina personalizzata
7.10. I Big Data applicati alla medicina
7.10.1. Il potenziale di aiuto alla diagnosi e alla prevenzione
7.10.2. Uso degli algoritmi di Machine Learning nella sanità pubblica
7.10.3. I problemi della privacy
Modulo 8. Applicazioni dell'intelligenza artificiale e dell'internet degli oggetti (IoT) alla telemedicina
8.1. Piattaforma E-Health. Personalizzazione del servizio sanitario
8.1.1. Piattaforma E-Health
8.1.2. Risorse per una piattaforma di E-Health
8.1.3. Programma "Europa Digitale". Digital Europe-4-Health e Orizzonte Europa
8.2. Intelligenza artificiale in sanità I: nuove soluzioni nelle applicazioni software
8.2.1. Analisi a distanza dei risultati
8.2.2. Chatbox
8.2.3. Prevenzione e monitoraggio in tempo reale
8.2.4. Medicina preventiva e personalizzata in campo oncologico
8.3. L'intelligenza artificiale nel campo dell'assistenza sanitaria II: monitoraggio e sfide etiche
8.3.1. Monitoraggio dei pazienti con mobilità ridotta
8.3.2. Monitoraggio cardiaco, diabete, asma
8.3.3. App per la salute e il benessere
8.3.3.1. Monitoraggio della frequenza cardiaca
8.3.3.2. Bracciale che misura la pressione sanguigna
8.3.4. Etica dell'IA in campo medico. Protezione dei dati
8.4. Algoritmi di intelligenza artificiale per l'elaborazione delle immagini
8.4.1. Algoritmi di intelligenza artificiale per l'elaborazione delle immagini
8.4.2. Diagnosi e monitoraggio delle immagini in telemedicina
8.4.2.1. Diagnosi del melanoma
8.4.3. Limiti e sfide dell'elaborazione delle immagini in telemedicina
8.5. Applicazioni dell'accelerazione tramite l'unità di elaborazione grafica (GPU) in medicina
8.5.1. Parallelizzazione dei programmi
8.5.2. Funzionamento della GPU
8.5.3. Applicazioni dell'accelerazione su GPU in medicina
8.6. Elaborazione del linguaggio naturale (NLP) nella telemedicina
8.6.1. Elaborazione del testo medico. Metodologia
8.6.2. Elaborazione del linguaggio naturale nelle terapie e nelle cartelle cliniche
8.6.3. Limiti e sfide dell'elaborazione del linguaggio naturale in telemedicina
8.7. Internet of Things (IoT) nel campo della Telemedicina. Applicazioni
8.7.1. Monitoraggio dei segni vitali. Wearable
8.7.1.1. Pressione sanguigna, temperatura, frequenza cardiaca
8.7.2. Tecnologia IoT e Cloud
8.7.2.1. Trasmissione dei dati al cloud
8.7.3. Terminali self-service
8.8. loT nel monitoraggio e nell'assistenza ai pazienti
8.8.1. Applicazioni IoT per il rilevamento delle emergenze
8.8.2. L'Internet delle cose nella riabilitazione dei pazienti
8.8.3. Supporto dell'intelligenza artificiale nel riconoscimento e nel soccorso delle vittime
8.9. Nanorobot. Tipologia
8.9.1. Nanotecnologia
8.9.2. Tipi di Nanorobot
8.9.2.1. Assemblatori. Applicazioni
8.9.2.2. Auto-replicatori. Applicazioni
8.10. L'intelligenza artificiale nel controllo di COVID-19
8.10.1. COVID-19 e telemedicina
8.10.2. Gestione e comunicazione di sviluppi e focolai
8.10.3. Previsione dei focolai con l'intelligenza artificiale
Modulo 9. Telemedicina e dispositivi medici, chirurgici e biomeccanici
9.1. Telemedicina e teleassistenza
9.1.1. La telemedicina come servizio di teleassistenza
9.1.2. La telemedicina
9.1.2.1. Obiettivi della telemedicina
9.1.2.2. Vantaggi e limiti della telemedicina
9.1.3. Sanità elettronica. Tecnologie
9.2. Sistemi di telemedicina
9.2.1. Componenti di un sistema di telemedicina
9.2.1.1. Personale
9.2.1.2. Tecnologia
9.2.2. Tecnologie dell'informazione e della comunicazione (TIC) nel settore sanitario
9.2.2.1. T-Health
9.2.2.2. M-Health
9.2.2.3. M-Health
9.2.2.4. P-Health
9.2.3. Valutazione di sistemi di telemedicina
9.3. Infrastruttura tecnologica della telemedicina
9.3.1. Reti telefoniche pubbliche (PSTN)
9.3.2. Reti satellitari
9.3.3. Reti digitali a servizi integrati (ISDN)
9.3.4. Tecnologie wireless
9.3.4.1. Wap. Protocollo di applicazione wireless
9.3.4.2. Bluetooth
9.3.5. Connessioni a microonde
9.3.6. Modalità di trasferimento asincrono (ATM)
9.4. Tipi di telemedicina. Usi nell'assistenza sanitaria
9.4.1. Monitoraggio remoto dei pazienti
9.4.2. Tecnologie di stoccaggio e invio
9.4.3. Telemedicina interattiva
9.5. Applicazioni generali di telemedicina
9.5.1. Teleassistenza
9.5.2. Telemonitoraggio
9.5.3. Telediagnosi
9.5.4. Teledidattica
9.5.5. Telegestione
9.6. Applicazioni cliniche della telemedicina
9.6.1. Teleradiologia
9.6.2. Teledermatologia
9.6.3. Teleoncologia
9.6.4. Telepsichiatria
9.6.5. Assistenza domiciliare (Telehomecare)
9.7. Tecnologie Smart e di assistenza
9.7.1. Integrazione della Smart Home
9.7.2. Salute digitale nel miglioramento delle cure
9.7.3. La tecnologia wearable nella teleassistenza. Il "wearable intelligente"
9.8. Aspetti etici e legali della telemedicina
9.8.1. Basi etiche
9.8.2. Quadri normativi comuni
9.8.3. Standard ISO
9.9. Telemedicina e dispositivi diagnostici, chirurgici e biomeccanici
9.9.1. Dispositivi diagnostici
9.9.2. Dispositivi chirurgici
9.9.2. Dispositivi biomeccanici
9.10. Telemedicina e dispositivi medici
9.10.1. Dispositivi medici
9.10.1.1. Dispositivi medici mobili
9.10.1.2. Carrelli di telemedicina
9.10.1.3. Chioschi di telemedicina
9.10.1.4. Fotocamera digitale
9.10.1.5. Kit di telemedicina
9.10.1.6. Software di telemedicina
Modulo 10. Innovazione aziendale e imprenditorialità nell'E-Health
10.1. Imprenditorialità e innovazione
10.1.1. Innovazione
10.1.2. Imprenditorialità
10.1.3. Una Startup
10.2. Imprenditorialità in E-Health
10.2.1. Mercato innovativo della E-Health
10.2.2. Verticali nell’E-Health: M-Health
10.2.3. TeleHealth
10.3. Modelli di business I: prime fasi dell'imprenditorialità
10.3.1. Tipi di modelli di business
10.3.1.1. Marketplace
10.3.1.2. Piattaforme digitali
10.3.1.3. SaaS
10.3.2. Elementi critici nella fase di start-up. Dall'idea al business
10.3.3. Errori comuni nei primi passi dell'imprenditorialità
10.4. Modelli di business II: modello Canvas
10.4.1. Business Model Canvas
10.4.2. Proposte di valore
10.4.3. Attività e risorse chiave
10.4.4. Segmento dei clienti
10.4.5. Rapporto con i clienti
10.4.6. Canali di distribuzione
10.4.7. Alleanze
10.4.7.1. Struttura dei costi e flussi di reddito
10.5. Modelli di business III: metodologia Lean Startup
10.5.1. Crea
10.5.2. Convalida
10.5.3. Misura
10.5.4. Decidi
10.6. Modelli di business IV: analisi esterna, strategica e normativa
10.6.1. Oceano rosso e oceano blu
10.6.2. Curva del valore
10.6.3. Legislazione applicabile in materia di E-Health
10.7. Modelli di successo nell'E-Health I: conoscere prima di innovare
10.7.1. Analisi delle aziende E-Health di successo
10.7.2. Analisi dell'azienda X
10.7.3. Analisi dell'azienda Y
10.7.4. Analisi dell'azienda Z
10.8. Modelli di successo nell'E-Health II: ascoltare prima di innovare
10.8.1. Intervista diretta al CEO di una Startup E-Health
10.8.2. Intervista pratica con il CEO di una Startup del “settore X”
10.8.3. Intervista pratica con la direzione tecnica di una Startup “x”
10.9. Ambiente imprenditoriale e finanziamenti
10.9.1. Ecosistema imprenditoriale nel settore sanitario
10.9.2. Finanziamento
10.9.3. Intervista con i casi
10.10. Strumenti pratici per l’imprenditorialità e l’innovazione
10.10.1. Strumenti OSINT (Open Source Intelligence)
10.10.2. Analisi
10.10.3. Strumenti No-code per l'imprenditoria
Un programma rivolto a professionisti competenti, specialisti della sanità elettronica come te”
Master Privato in E-Health e Big Data
Per E-health si intende l'uso delle tecnologie dell'informazione e della comunicazione (TIC) per migliorare l'efficienza, l'efficacia e la qualità dei servizi sanitari. Ciò include una serie di applicazioni e servizi che utilizzano tecnologie come la telemedicina, la teleassistenza, il monitoraggio remoto dei pazienti e la gestione delle cartelle cliniche elettroniche. L'e-health coinvolge anche i pazienti, consentendo loro di accedere da remoto alle informazioni e ai servizi sanitari, facilitando la gestione delle proprie patologie.
I big data, invece, si riferiscono agli enormi insiemi di dati generati in diversi campi, che spesso sono troppo grandi e complessi per essere elaborati con i mezzi tradizionali. Nel settore sanitario, i big data riguardano la raccolta, l'archiviazione e l'analisi di grandi quantità di informazioni sulle cartelle cliniche dei pazienti, sui risultati degli esami medici e sui comportamenti legati alla salute.
In Tech abbiamo sviluppato un programma intensivo in cui studiera E-health e big data, con l'obiettivo di formare gli studenti all'uso delle tecnologie informatiche, della comunicazione e dell'analisi di grandi quantità di dati nel campo della salute. L'E-health si concentra sull'uso delle TIC per migliorare l'efficienza e la qualità dei servizi sanitari, mentre i big data comportano l'analisi di grandi quantità di dati per identificare modelli e tendenze nella salute. Entrambe le tecnologie hanno il potenziale per migliorare significativamente l'assistenza sanitaria e facilitare l'accesso alle informazioni e ai servizi sanitari.
Impara a utilizzare le tecnologie di monitoraggio e telemedicina nell'assistenza sanitaria, migliorando la cura dei pazienti. Apprendi i principi di privacy e sicurezza informatica da applicare nella gestione dei dati sanitari. Sviluppare competenze nell'analisi e nella gestione di grandi quantità di dati per migliorare la qualità dell'assistenza ai pazienti. Imparare tecniche e strategie per prendere decisioni cliniche informate in campo medico.