Ateneo - UPO

Il corso presenterà le principali metodologie e tecniche per sviluppare un sistema di supporto alle decisioni in campo bio-medico. In particolare, il primo modulo si concentrerà su sistemi basati sulla rappresentazione della conoscenza esplicita, mentre il secondo modulo sarà dedicato principalmente ai sistemi basati sulla conoscenza operativa (i dati). Per la parte di Bioinformatica verranno invece esaminate le principali metodologie e tecniche basate su AI e ML per l’analisi di dati relativi a sequenze biologiche, espressione genica, genomica e proteomica.

Z. Michalewicz et al., Adaptive Business Intelligence, Springer.
Robert Greenes. Clinical Decision Support. The Road to Broad Adoption 2nd Edition – 2014. ISBN: 9780128100240

Hiroshi Mamitsuka: Textbook of Machine Learning and Data Mining: with Bioinformatics Applications. ISBN-13: 978-4991044502
Pierre Baldi & Soren Brunak: Bioinformatics: The Machine Learning Approach, Second Edition.: Mit Press, 2001
Philip Compeau & Pavel Pevzner: Bioinformatics Algorithms. An active Learning Approach. Volumi I e II. Active Learning Publishers. 2018

Gli studenti devono aver acquisito le seguenti conoscenze, competenze, ed abilita': principali tipologie di sistemi basati sulla conoscenza per il supporto alle decisioni cliniche, con particolare riferimento alla diagnosi ed al trattamento dei pazienti; principali metodologie e tecniche adottate in tali ambiti; analisi dei fattori abilitanti e delle criticità per l’adozione di tali sistemi nella pratica medica; metodologie e tecniche per rappresentazione e gestione della conoscenza, predizione, ottimizzazione, adattamento; capacità di identificare, interpretare, codificare e processare varie tipologie di dati biologici per applicazioni di apprendimento automatico.
Occorre inoltre essere in grado di dimostrare la capacita' di applicarle tali conoscenze nel rispondere a quesiti di teoria, o nello svolgere alcuni esercizi, o nell’illustrare (oralmente) un approfondimento svolto in autonomia.

Nozioni di basi di dati

Lezione frontale in aula o in laboratorio. Le lezioni frontali contempleranno anche la risposta a quesiti o la risoluzione di esercizi esemplificativi per lo svolgimento dell'esame. Esempi di test d'esame potranno essere forniti agli studenti. Le slide delle lezioni, i testi consigliati, ed altro materiale saranno forniti anche sulla piattaforma DIR, per consentire anche a chi non frequenta di tenersi al passo con lo svolgimento del corso.

Le studentesse e gli studenti con disabilità o con Disturbi Specifici dell’Apprendimento (DSA) o con
Bisogni Educativi Speciali (BES) possono richiedere servizi e strumenti specifici a loro dedicati
rivolgendosi allo Staff Sviluppo e Coordinamento Carriere e Servizi alle Studentesse e agli Studenti e

consultando la pagina dedicata del sito di Ateneo: https://uniupo.it/it/servizi/servizi-studenti-
disabili-e-dsa

Le studentesse e gli studenti con disabilità, DSA, BES, una volta preso contatto con lo Staff di Ateneo,
possono contattare la/il docente titolare dell'insegnamento in relazione alla declinazione delle
modalità di esame, in merito agli aspetti didattici.

L’esame relativo alla prima parte del corso (approcci basati su rappresentazione esplicita della conoscenza) sarà in forma scritta, e prevederà domande teoriche ed eventuali piccoli esercizi applicativi. Eventualmente (ad esempio, per richiesta dello studente), la stessa tipologia di esame potra' essere svolta oralmente.
L'esame relativo al modulo sulla conoscenza operativa è scritto e prevede un minimo di 3 domande, che verteranno su argomenti scelti tra: gestione della conoscenza operativa, predizione, ottimizzazione, adattamento. Il voto terra' conto dei risultati parziali ottenuti nelle singole domande (ad esempio eseguendone una media). Eventualmente (ad esempio, per richiesta dello studente), la stessa tipologia di esame potra' essere svolta oralmente.
Per la parte di bioinformatica lo studente dovrà presentare un approfondimento sotto forma di seminario su una tematica inerente agli argomenti trattati.

Il modulo dedicato ai sistemi basati su rappresentazione esplicita della conoscenza affronterà le seguenti problematiche: architetture e caratteristiche generali dei CDSS, sorgenti ed acquisizione di conoscenza, regole decisionali, sistemi per la diagnostica, sistemi per la gestione informatizzata di linee guida cliniche, vocabolari ed ontologie, sistemi per la gestione di clinical trial, analisi di fattori critici e fattori abilitanti per l’adozione pratica di CDSS.
Nel modulo sulla conoscenza operativa l’esposizione sarà organizzata in quattro parti: 1. gestione della conoscenza operativa: Case-based Reasoning; soluzioni di Case-based Reasoning avanzate (dati in forma di serie temporali, fuzzy CBR, process-oriented CBR); 2. predizione: classificazione, regressione, serie temporali; metodi matematici, basati su distanze, logici, basati su euristiche; metodi ibridi;3. ottimizzazione: metodi matematici, algoritmi evoluzionistici, ant systems, metodi ibridi; 4. adattamento: tecniche per migliorare le prestazioni del modulo di previsione. Per il modulo di bioinformatica verranno trattati i seguenti argomenti: Introduzione alla biologia cellulare e computazionale. Competenze bioinformatiche essenziali (database, API, framework). Feature Engineering. Data imputation, Dimensionality Reduction, Applicazioni alle metodologie di regressione lineare e logistica a dati biologici. Alberi decisionali, Random Forest ed eXtreme Gradient Boosting per dati biologici. Utilizzo di Hidden Markov Models per l’identificazione di geni codificanti per proteine. Esempi di approcci basati su Deep Learning all’analisi di dati biologici.

Conoscenze: Lo studente deve dimostrare di aver acquisito:i concetti di base relativi alle principali tipologie di sistemi basati sulla conoscenza per il supporto alle decisioni cliniche, per la diagnosi e\o il trattamento dei pazienti, metodologie e tecniche adottate in tali ambiti; Analisi dei fattori abilitanti e delle criticità per l’adozione di tali sistemi nella pratica medica; i concetti di base per la gestione della conoscenza, la predizione, l’ottimizzazione e l’adattamento; le conoscenze necessarie per comprendere e interpretare le varie problematiche e le varie tipologie di dati biologici presentati durante il corso. Deve essere inoltre in grado di dimostrare di aver compreso ed acquisito i principi di funzionamento delle varie metodologie e tecniche presentate.
Competenze ed abilità: Lo studente deve aver acquisito la capacità di valutare l’adeguatezza delle tecniche e metodologie sviluppate nel corso per il trattamento di case studies reali, e di applicarle su case studies. Lo studente deve dimostrare di saper criticamente individuare il migliore approccio di analisi, sulla base dei relativi pregi e difetti, da applicare alla tipologia di dato biologico da analizzare.
Autonomia di giudizio: capacità di lavorare in maniera autonoma, anche in situazioni complesse o a fronte di informazioni incomplete.
Abilità comunicative: capacità di descrivere in modo chiaro le metodologie e tecniche studiate, e le loro applicazioni, sia ad utenti esperti sia ad utenti non tecnici; saper giustificare le scelte progettuali o implementative fatte comunicandole in modo chiaro anche a utenti meno esperti e non tecnici; capacità di descrivere in modo chiaro i principi di funzionamento delle metodologie studiate, i possibili vantaggi e svantaggi e la loro applicabilità a problemi reali a diverse tipologie di audience con diversi livelli di esperienza.

Capacita' di apprendere: gli studenti devono aver sviluppato adeguate conoscenze delle metodologie di base e la capacità di analizzare le caratteristiche principali dei sistemi di supporto alla decisione clinica e delle metodologie proposte per analisi di dati biologici per poter in futuro apprendere, valutare e\o sviluppare nuovi sistemi; aver sviluppato la capacità di descrivere e saper scegliere le più opportune tecniche per la realizzazione di un sistema di supporto alle decisioni in ambito bio-medico; aver acquisito i principi di funzionamento delle metodologie analizzate al fine di proporne modifiche e adattamenti per migliorare l’applicabilità al caso specifico. Individuare e valutare criticamente le informazioni scientifiche provenienti dalle pubblicazioni in questo campo.