Acquisisci un senso di sicurezza nello svolgimento della tua professione, aiutandoti con programmi che hanno tutte le informazioni dei diversi pazienti”

La grande rivoluzione tecnologica nella medicina oncologica offre una grande opportunità nella ricerca e nel trattamento del cancro, grazie al fatto che i medici hanno accesso a una grande quantità di dati e analisi a livello mondiale. I professionisti del settore oncologico devono aggiornare costantemente le proprie conoscenze in merito alle terapie antitumorali per poter offrire ai pazienti il trattamento più adatto in base alle loro reali esigenze. 

Questo Esperto Universitario in Diagnosi Oncologica: Progressi Tecnologici e Big Data permette di approfondire la conoscenza di tecniche e risorse efficaci che vengono utilizzate per la diagnosi oncologica. Tra queste possiamo trovare la citologia e la radiologia. La diagnosi fatta da citologia si è evoluta molto negli ultimi tempi, rendendo possibile effettuare colorazioni immunoistochimiche (immunocitochimica), mutazioni o altre alterazioni genomiche specifiche, e anche determinare lo stato di biomarcatori essenziali nella gestione del cancro. La radiologia resta lo strumento essenziale per diagnosticare oltre l'85% dalle malattie oncologiche.

Il programma è stato progettato e sviluppato da specialisti oncologici che si sono posizionati nella classifica di eccellenza medica, che hanno messo al servizio degli studenti conoscenze, esperienze e casi di studio più avanzati per creare un programma secondo i criteri di alta qualità disponibili sul mercato. In questo modo, lo studente potrà accedere a contenuti esclusivi elaborati da un Direttore Ospite Internazionale. Si tratta di un Esperto Universitario in modalità 100% online che offre allo studente la facilità di poter studiare comodamente, dove e quando vuole. Sarà sufficiente solo di un dispositivo dotato di connessione ad internet per poter crescere a livello professionale. Una modalità in linea con i tempi attuali e con tutte le garanzie per inserire il professionista in un settore molto richiesto. 

Aggiorna le tue conoscenze attraverso questo programma online in Diagnosi oncologica, che include 10 Master class fornite da uno specialista in patologia” 

Questo Esperto universitario in Diagnosi Oncologica: Progressi Tecnologici e Big Data possiede il programma scientifico più completo e aggiornato del mercato. Le sue caratteristiche principali sono:

• Sviluppo di studi di decine di casi di studio presentati da esperti in Diagnosi Oncologica: Progressi Tecnologici e Big Data 
• Contenuti grafici, schematici ed eminentemente pratici che forniscono informazioni scientifiche e pratiche riguardo alle discipline essenziali per l’esercizio della professione 
• Novità in materia di Diagnosi Oncologica: Progressi Tecnologici e Big Data 
• Esercitazioni pratiche in cui è possibile realizzare il processo di autovalutazione per migliorare l'apprendimento 
• Particolare enfasi sulle metodologie innovative in ambito di Diagnosi Oncologica: 
• Progressi Tecnologici e Big Data 
• Lezioni teoriche, domande all'esperto, forum di discussione su argomenti controversi e lavoro di riflessione individuale 
• Disponibilità di contenuti da qualsiasi dispositivo fisso o mobile con connessione a internet

Aggiorna le tue conoscenze in materia di Diagnosi Oncologica: Progressi Tecnologici e Big Data e otterrai una qualifica certificata da questa grande istituzione educativa”

Il personale docente comprende professionisti del settore, che forniscono agli studenti le proprie esperienze lavorative, e rinomati esperti appartenenti a società di rilievo e università di prestigio.

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 il professionista 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 prestazioni professionali e migliora la qualità della vita dei tuoi pazienti"

Questa formazione consente ai professionisti del settore di aumentare le loro capacità di successo migliorando le loro competenze didattiche"

La struttura dei contenuti è stata ideata dai migliori professionisti in Anatomia Patologica, che formano un team con una vasta esperienza e un riconosciuto prestigio nel settore, nella revisione di casi studiati e diagnosticati e con un’ampia conoscenza delle nuove tecnologie applicate all'insegnamento. A partire dal modulo 1, lo studente vedrà ampliate le sue conoscenze, il che gli permetterà di svilupparsi professionalmente, sapendo di poter contare sul supporto di un gruppo di esperti.

Questo Esperto universitario in Diagnosi Oncologica: Progressi Tecnologici e Big Data possiede il programma scientifico più completo e aggiornato del mercato”

Modulo 1. Cancro: Informazioni generali e Fattori di rischio 

1.1. Introduzione
1.2. Aspetti generali delle neoplasie maligne

1.2.1. Nomenclatura
1.2.2. Caratteristiche
1.2.3. Vie di diffusione delle metastasi
1.2.4. Fattori prognostici

1.3. Epidemiologia del cancro

1.3.1. Incidenza
1.3.2. Incidenza
1.3.3. Distribuzione geografica
1.3.4. Fattori di rischio
1.3.5. Prevenzione
1.3.6. Diagnosi precoce

1.4. Agenti mutageni

1.4.1. Ambientali
1.4.2. Lavorativo
1.4.3. Sostanze tossiche negli alimenti

1.5. Agenti biologici e cancro

1.5.1. Virus RNA
1.5.2. Virus DNA
1.5.3. H. pylori

1.6. La predisposizione genetica

1.6.1. Geni associati al cancro
1.6.2. Geni di suscettibilità

1.6.2.1. Tumori al seno
1.6.2.2. Tumori ai polmoni
1.6.2.3. Tumori alla tiroide
1.6.2.4. Tumori al colon
1.6.2.5. Tumori alla pelle
1.6.2.6. Tumori alle ossa
1.6.2.7. Tumori del pancreas
1.6.2.8. Neuroblastoma

1.7. Aspetti clinici delle neoplasie maligne

1.7.1. Introduzione

1.8. Stadiazione della malattia neoplastica

1.8.1. Aggiornamento

Modulo 2. Basi molecolari del cancro 

2.1. Introduzione alle basi molecolari del cancro
2.2. Geni e genoma

2.2.1. Principali vie di segnalazione cellulare
2.2.2. Crescita e proliferazione cellulare
2.2.3. Morte cellulare: Necrosi e apoptosi

2.3. Mutazioni

2.3.1. Tipi di mutazioni: Frameshift; Indels, translocaciones, SNV; missense, nonsense, CNV, Driver vs. Passenger
2.3.2. Agenti che causano le mutazioni

2.3.2.1. Agenti biologici e cancro

2.3.3. Meccanismi di riparazione delle mutazioni
2.3.4. Mutazioni con varianti patologiche e non patologiche

2.4. Principali progressi nella medicina di precisione

2.4.1. Biomarcatori tumorali
2.4.2. Oncogeni e geni soppressori del tumore
2.4.3. Biomarcatori diagnostici

2.4.3.1. Di resistenza
2.4.3.2. Prognosi
2.4.3.3. Farmaco-genomica

2.4.4. Epigenetica del cancro

2.5. Principali tecniche di biologia molecolare del cancro

2.5.1. Citogenetica e FISH
2.5.2. Qualità dell'estratto di DNA
2.5.3. Biopsia liquida
2.5.4. PCR come strumento molecolare base
2.5.5. Sequenziamento, NGS

Modulo 3. Diagnosi citologica delle lesioni maligne 

3.1. Introduzione alla citopatologia (arte e scienza)

3.1.1. Prospettiva storica 
3.1.2. Concetti pratici

3.1.2.1. Gestione
3.1.2.2. Colorazione

3.1.3. Concetti citomorfologici di base

3.2. Citologia esfoliativa

3.2.1. Citologia ginecologica - Sistema Bethesda
3.2.2. Citologia dell'urina - Sistema Paris
3.2.3. Citologia dei fluidi corporei

3.3. Aspirazione con ago sottile superficiale

3.3.1. Introduzione

3.3.1.1. Aspetti pratici

3.3.2. FNA della tiroide e delle ghiandole salivari
3.3.3. FNA del seno
3.3.4. FNA dei tessuti molli e delle ossa

3.4. Aspirazione con ago sottile profondo

3.4.1. Introduzione - ROSE (Rapid on site evaluation)

3.4.1.1. FNA del polmone e del mediastino
3.4.1.2. FNA del pancreas
3.4.1.3. FNA dei linfonodi

3.5. Diagnosi differenziale in citopatologia

3.5.1. Principali modelli citomorfologici
3.5.2. Immunocitoistochimica
3.5.3. Citopatologia molecolare

3.6. Il ruolo del citopatologo nel trattamento del cancro

3.6.1. Studio dei biomarcatori nei campioni citologici
3.6.2. L'immunoterapia e il ruolo della citopatologia
3.6.3. Sfide e nuove prospettive

Modulo 4. Radiologia alleata della patologia nella diagnosi oncologica 

4.1. Diagnostica per immagini e stadiazione del cancro

4.1.1. Neoplasia del polmone
4.1.2. Neoplasia del colon e del retto
4.1.3. Neoplasia del seno
4.1.4. Neoplasia della prostata
4.1.5. Neoplasie ginecologiche
4.1.6. Linfoma
4.1.7. Melanoma
4.1.8. Altri tumori del tratto genitourinario
4.1.9. Epatocarcinoma e colangiocarcinoma
4.1.10. Tumori del pancreas
4.1.11. Tumori renali
4.1.12. Cancro della tiroide
4.1.13. Tumori cerebrali

4.2. FNA e BAG guidati da immagini

4.2.1. Tiroide
4.2.2. Seno
4.2.3. Polmone e mediastino
4.2.4. Fegato e cavità addominale
4.2.5. Prostata

4.3. Monitoraggio

4.3.1. RECIST 1.1 e Chung
4.3.1. EASL, m-RECIST e RECICL
4.3.3. Criteri di McDonald e RANO
4.3.4. Criteri CHOI, MDA e Lugano
4.3.5. Criteri CHOI modificati: SCAT e MASS
4.3.6. MET-RAD-P
4.3.7. PERCIST
4.3.8. Immunoterapia

4.4. Complicazioni del trattamento

4.4.1. Emergenze oncologiche
4.4.2. Complicazioni del trattamento

Modulo 5. Big data in anatomia patologica

5.1. Introduzione ai Big Data in patologia

5.1.1. Introduzione

5.1.1.1. Patologia e Big Data
5.1.1.2. Data mining in patologia
5.1.1.3. Big Data

5.1.1.3.1. Fondamenti dei Big Data
5.1.1.3.2. Tipologie di database

5.1.1.3.2.1. Relazionali
5.1.1.3.2.2. Non relazionali (SQL e NoSQL)

5.1.1.3.3. Tipi di dati

5.1.1.3.3.1. Strutturati
5.1.1.3.3.2. Non strutturati
5.1.1.3.2.3. Semi-strutturati

5.1.1.3.4. Limiti dei Big Data

5.2. Grandi opportunità e utilità offerte dai Big Data

5.2.1. Standardizzazione dei dati e patologia digitale
5.2.2. Medicina personalizzata: diagnostica e terapie personalizzate
5.2.3. Marcatori predittivi
5.2.4. Progressi nei campi di ricerca come: genomica, diagnostica di patologia molecolare, proteomica e comparazione diagnostica

5.3. Algoritmi, modelli e metodologie utilizzati nei Big Data

5.3.1. Architetture per l'elaborazione parallela massiva
5.3.2. Modellazione e alberi decisionali
5.3.3. Maching Learning e Deep Learning
5.3.4. Reti neuronali

5.4. Tecnologie di Big Data e cloud computing

5.4.1. Apache Hadoop
5.4.2. Lavorare con i Big Data NoSQL

5.4.2.1. DynamoDB o Cassandra

5.4.3. Analisi dei dati

5.4.3.1. BigQuery
5.4.3.2. Infosphere Streams
5.4.3.3. Oracle Big Data Appliance

5.5. Conclusioni e benefici dei Big Data dal punto di vista della patologia

5.5.1. Conclusioni dei Big Data dal punto di vista della patologia
5.5.2. Benefici

Un'esperienza di insegnamento unica, chiave e decisiva per incrementare il tuo sviluppo professionale”