Biochimica Clinica
CCLM
Area soci
Non possiedi o non ricordi la password!
Clicca qui
Richiedi Patrocinio
Polizza assicurativa
INTERSOCIETARIO SIBIOC, AISIS ASSOCIAZIONE ITALIANA SISTEMI INFORMATIVI IN SANITÀ E ELAS BIG DATA E INTELLIGENZA ARTIFICIALE

Coordinatori:
Roberto Guerranti  (Siena)
e-mail: 
roberto.guerranti@unisi.it

Andrea Padoan (Padova)
e-mail: andrea.padoan@unipd

Debora Angeletti - AISIS (Milano)
e-mail:  d.angeletti@ausl.mo.it

 

Presentazione

Lo straordinario incremento nella capacità di elaborazione informatica unitamente alla possibilità di disporre di banche dati sempre più complesse associate all’enorme numero d’informazioni riferibili all’ambito sanitario portano al concetto di “big data”. Il termine trova una definizione pratica come un insieme di dati di così grandi dimensioni o complessità che richiede nuove e specifiche metodologie analisi ove i tradizionali metodi di processo bioinformatico appaiono inadeguati.

L’interesse per i Big Data nasce dalla promessa di generare nuove conoscenze più rapidamente dei modelli tradizionali di ricerca scientifica per la capacità di elaborare enormi volumi di informazioni utili a una comprensione olistica della biologia e fisiopatologia umana. Tra le tante possibili applicazioni in Medicina di Laboratorio si può da subito focalizzare l’interesse nella definizione di valori di normalità, nell’utilizzo di strumenti di auto-apprendimento informatico, la possibilità di valutazione di outcomes di salute determinati o comunque conseguenti all’uso di procedure diagnostiche di laboratorio.

Il processo di analisi denominato “Machine Learning” in italiano “apprendimento automatico” basato sull’abilità di algoritmi informatici o matematici di apprendere senza essere stati esplicitamente programmati in anticipo con metodi a diverse denominazioni quali reti neurali artificiali, filtraggio adattivo, statistica computazionale, teoria dei sistemi dinamici,  riconoscimento di pattern, data mining, algoritmi adattivi, etc. sarà lo strumento per gestire l’enorme quantità d’informazioni che il medico già si trova ma ancor più  si troverà a dovere analizzare sul singolo paziente, sia come ricerca scientifica sia come prassi professionale quotidiana.

 

Finalità

Scopo del GdS è di valutare nuove metodologie affidabili e utili a collegare outcomes di salute e valore misurato o informazione dell’esame di laboratorio con l’analisi di relazioni multivariate fra gruppi di esami, diagnosi cliniche ed esiti di cura utilizzando la possibilità di “merge” d’informazioni in un network di dati che vanno dalla biologia cellulare e molecolare alla genetica, dal rischio ambientale alla terapie personalizzate, promettendo una migliore medicina ora definita di precisione o personalizzata.

Il GdS vuole sviluppare queste tematiche in ambito multidisciplinare e multi-professionale associando professionisti di Medicina di Laboratorio, ingegneri informatici, economisti, data manager e Stakeholder sanitari. In particolari il GdS nasce come esperienza intersocietaria fra Sibioc-Medicina di Laboratorio, ISIS Associazione Italiana Sistemi Informativi in Sanità e Elas Italia