ID:
SME0577
Durata (ore):
24
CFU:
2
Anno:
2025
Dati Generali
Periodo di attività
Primo Semestre (06/10/2025 - 23/01/2026)
Syllabus
Obiettivi Formativi
Il corso ha l’obiettivo di introdurre gli studenti ai concetti fondamentali dell’informatica applicata alla pratica clinica e laboratoristica.
In particolare, il corso mira a:
fornire una conoscenza di base dei sistemi informativi sanitari e dei flussi digitali all’interno delle strutture ospedaliere;
introdurre i principi fondamentali dei database e dei modelli di gestione del dato sanitario;
presentare le nozioni essenziali relative a big data, data quality e data governance in ambito sanitario;
fornire una panoramica chiara e accessibile dei fondamenti dell’intelligenza artificiale e delle sue applicazioni cliniche e diagnostiche;
illustrare le principali banche dati sanitarie e scientifiche utilizzate nella pratica biomedica;
sviluppare consapevolezza riguardo gli aspetti etici, legali e di sicurezza connessi alla gestione del dato clinico.
Risultati di apprendimento attesi.
1. Conoscenza e capacità di comprensione (Knowledge and Understanding)
Al termine del corso lo studente conoscerà:
la struttura dei database relazionali e le nozioni fondamentali di organizzazione dei dati;
i concetti di big data sanitari e di gestione del dato clinico;
i fondamenti dell’intelligenza artificiale e del machine learning;
le banche dati sanitarie e scientifiche maggiormente utilizzate.
2. Conoscenza e capacità di comprensione applicate (Applying Knowledge and Understanding)
Lo studente sarà in grado di:
leggere e interpretare semplici schemi di database clinici (tabelle, record, chiavi);
riconoscere e spiegare applicazioni concrete dell’IA in ambito clinico e laboratoristico;
consultare e utilizzare banche dati sanitarie e scientifiche.
3. Autonomia di giudizio (Making Judgements)
Lo studente saprà:
valutare affidabilità e qualità dei dati clinici;
identificare limiti e possibilità delle tecnologie digitali e dell’IA in medicina;
riconoscere criticità legate alla privacy e alla sicurezza del dato sanitario.
4. Abilità comunicative (Communication Skills)
Lo studente sarà in grado di:
utilizzare il linguaggio tecnico di base dell’informatica clinica e dell’IA;
descrivere processi informativi sanitari e applicazioni tecnologiche in modo chiaro e appropriato.
5. Capacità di apprendimento (Learning Skills)
Lo studente svilupperà la capacità di:
approfondire autonomamente temi legati alla sanità digitale e all’IA;
orientarsi tra fonti scientifiche e documentazione tecnica di base.
In particolare, il corso mira a:
fornire una conoscenza di base dei sistemi informativi sanitari e dei flussi digitali all’interno delle strutture ospedaliere;
introdurre i principi fondamentali dei database e dei modelli di gestione del dato sanitario;
presentare le nozioni essenziali relative a big data, data quality e data governance in ambito sanitario;
fornire una panoramica chiara e accessibile dei fondamenti dell’intelligenza artificiale e delle sue applicazioni cliniche e diagnostiche;
illustrare le principali banche dati sanitarie e scientifiche utilizzate nella pratica biomedica;
sviluppare consapevolezza riguardo gli aspetti etici, legali e di sicurezza connessi alla gestione del dato clinico.
Risultati di apprendimento attesi.
1. Conoscenza e capacità di comprensione (Knowledge and Understanding)
Al termine del corso lo studente conoscerà:
la struttura dei database relazionali e le nozioni fondamentali di organizzazione dei dati;
i concetti di big data sanitari e di gestione del dato clinico;
i fondamenti dell’intelligenza artificiale e del machine learning;
le banche dati sanitarie e scientifiche maggiormente utilizzate.
2. Conoscenza e capacità di comprensione applicate (Applying Knowledge and Understanding)
Lo studente sarà in grado di:
leggere e interpretare semplici schemi di database clinici (tabelle, record, chiavi);
riconoscere e spiegare applicazioni concrete dell’IA in ambito clinico e laboratoristico;
consultare e utilizzare banche dati sanitarie e scientifiche.
3. Autonomia di giudizio (Making Judgements)
Lo studente saprà:
valutare affidabilità e qualità dei dati clinici;
identificare limiti e possibilità delle tecnologie digitali e dell’IA in medicina;
riconoscere criticità legate alla privacy e alla sicurezza del dato sanitario.
4. Abilità comunicative (Communication Skills)
Lo studente sarà in grado di:
utilizzare il linguaggio tecnico di base dell’informatica clinica e dell’IA;
descrivere processi informativi sanitari e applicazioni tecnologiche in modo chiaro e appropriato.
5. Capacità di apprendimento (Learning Skills)
Lo studente svilupperà la capacità di:
approfondire autonomamente temi legati alla sanità digitale e all’IA;
orientarsi tra fonti scientifiche e documentazione tecnica di base.
Prerequisiti
Nesuno
Metodi didattici
Didattica erogativa: 20 ore
Lezione frontale (per la parte teorica);
Didattica interattiva: 4 ore
Esercizi pratici (per affinare la capacità di mettere in relazione differenti conoscenze e modelli);
Analisi di casi di studio (per affinare la capacità di applicare conoscenze e modelli per analizzare le sfide e le opportunità proposte dalle tecnologie digitali nel contesto delle organizzazioni complesse).
Si prevede l'erogazione di attività da remoto, a fronte di contingenze particolari.
Lezione frontale (per la parte teorica);
Didattica interattiva: 4 ore
Esercizi pratici (per affinare la capacità di mettere in relazione differenti conoscenze e modelli);
Analisi di casi di studio (per affinare la capacità di applicare conoscenze e modelli per analizzare le sfide e le opportunità proposte dalle tecnologie digitali nel contesto delle organizzazioni complesse).
Si prevede l'erogazione di attività da remoto, a fronte di contingenze particolari.
Verifica Apprendimento
REGOLE DI AMMISSIONE:
Non si prevedono differenze tra allievi frequentanti e non. non ci sono attività preventive o altri compiti per l'accesso alla prova d'esame .
TIPOLOGIA DELLE PROVE:
La prova è scritta, intende indagare le conoscenze acquisite sugli argomenti svolti durante il corso, e viene erogata attraverso piattaforma web.
MODALITA’ DI SVOLGIMENTO:
L'aula è tipicamente tradizionale (non informatizzata). E’ necessario essere muniti di dispositivi (computer o tablet), dotato di connessione ad internet, per l'effettuazione dell'esame. Lo studente può utilizzare soltanto il sito web della prova.
CRITERI DI VALUTAZIONE:
L'esame è valutato in trentesimi.
Con apposita piattaforma viene implementato un questionario a risposta multipla e a risposta aperta.
Trattasi di prova a tempo della durata di 45 minuti.
Lo studente riceve conferma scritta, via mail dal docente, della partecipazione alla prova, con indicazioni specifiche in merito alla stessa.
Il questionario, accessibile a mezzo link, lo stesso per tutti, inviato nella mail, e password, di accesso, fornita in sede di prova, con domande a risposta multipla e 2 domande a risposta aperta.
Per un totale di 29 domande.
1 punto per ogni risposta corretta.
Le domande a risposta aperta vengono valutate in un secondo momento.
Essendo risposte aperte è meglio articolare una dissertazione ricca di contenuti.
La valutazione delle risposte alle domande aperte è a discrezione del docente.
Le domande (e le risposte) sono distribuite dal sistema.
Il docente non conosce i quesiti proposti.
Si è in un sito web e come tale ci si muove.
In fondo alla pagina il tasto invia per il trasferimento dei dati.
Sarà subito disponibile il risultato delle domande a risposta multipla.
Se il tempo non bastasse la prova è comunque incamerata dal sistema e valutata.
Il docente può verificare in tempo reale la consegna ma non le risposte.
Solo a sistema sbloccato accede e scarica i dati per le valutazioni del caso.
In tal caso è anche possibile inviare un report con gli esiti delle domande, per altro già note.
A risultati visionati si può chiudere il sito e abbandonare la seduta.
Si ritiene che la modalità del questionario, nella forma e nei tempi convenuti, sia idonea alla valutazione degli obiettivi di questo corso. Le domande a risposta multipla misurano una conoscenza di tipo puntuale, mentre le domande a risposta aperta sono quanto di più vicino alla riproduzione di una prova orale. Nella fattispecie si misura una conoscenza più generale dell'argomento oggetto di indagine, consentendo all'esaminato di costruire e articolare come meglio crede le proprie riflessioni. Ciò dimostra la sensibilità di individuare gli elementi più caratterizzanti.
Non si prevedono differenze tra allievi frequentanti e non. non ci sono attività preventive o altri compiti per l'accesso alla prova d'esame .
TIPOLOGIA DELLE PROVE:
La prova è scritta, intende indagare le conoscenze acquisite sugli argomenti svolti durante il corso, e viene erogata attraverso piattaforma web.
MODALITA’ DI SVOLGIMENTO:
L'aula è tipicamente tradizionale (non informatizzata). E’ necessario essere muniti di dispositivi (computer o tablet), dotato di connessione ad internet, per l'effettuazione dell'esame. Lo studente può utilizzare soltanto il sito web della prova.
CRITERI DI VALUTAZIONE:
L'esame è valutato in trentesimi.
Con apposita piattaforma viene implementato un questionario a risposta multipla e a risposta aperta.
Trattasi di prova a tempo della durata di 45 minuti.
Lo studente riceve conferma scritta, via mail dal docente, della partecipazione alla prova, con indicazioni specifiche in merito alla stessa.
Il questionario, accessibile a mezzo link, lo stesso per tutti, inviato nella mail, e password, di accesso, fornita in sede di prova, con domande a risposta multipla e 2 domande a risposta aperta.
Per un totale di 29 domande.
1 punto per ogni risposta corretta.
Le domande a risposta aperta vengono valutate in un secondo momento.
Essendo risposte aperte è meglio articolare una dissertazione ricca di contenuti.
La valutazione delle risposte alle domande aperte è a discrezione del docente.
Le domande (e le risposte) sono distribuite dal sistema.
Il docente non conosce i quesiti proposti.
Si è in un sito web e come tale ci si muove.
In fondo alla pagina il tasto invia per il trasferimento dei dati.
Sarà subito disponibile il risultato delle domande a risposta multipla.
Se il tempo non bastasse la prova è comunque incamerata dal sistema e valutata.
Il docente può verificare in tempo reale la consegna ma non le risposte.
Solo a sistema sbloccato accede e scarica i dati per le valutazioni del caso.
In tal caso è anche possibile inviare un report con gli esiti delle domande, per altro già note.
A risultati visionati si può chiudere il sito e abbandonare la seduta.
Si ritiene che la modalità del questionario, nella forma e nei tempi convenuti, sia idonea alla valutazione degli obiettivi di questo corso. Le domande a risposta multipla misurano una conoscenza di tipo puntuale, mentre le domande a risposta aperta sono quanto di più vicino alla riproduzione di una prova orale. Nella fattispecie si misura una conoscenza più generale dell'argomento oggetto di indagine, consentendo all'esaminato di costruire e articolare come meglio crede le proprie riflessioni. Ciò dimostra la sensibilità di individuare gli elementi più caratterizzanti.
Contenuti
Il corso è alla sua prima edizione. Non esistono precedenti. Il docente si riserva la possibilità di aggiustamenti in corso d'opera funzionali agli scopi del corso. Ogni variazione sarà prontamente segnalata agli studenti.
A. Sistemi informativi sanitari
Cartella clinica elettronica (EHR/EMR)
Fascicolo Sanitario Elettronico
Flussi informativi regionali/nazionali
Sicurezza, privacy, GDPR e tracciabilità
B. Basi di database e gestione del dato clinico
Dati strutturati/non strutturati
Modello relazionale: tabelle, chiavi, relazioni
Data quality e integrità del dato
Interoperabilità: HL7, FHIR
Esempi di strutture dati tipiche del laboratorio
C. Big Data in ambito sanitario
Caratteristiche dei big data (5V)
Fonti: laboratori, imaging, genomica, dispositivi
Data governance e anonimizzazione
Biobanche, reti epidemiologiche e dataset clinici
D. Intelligenza artificiale e applicazioni cliniche
Definizioni: IA, ML, DL
Approcci: supervisato, non supervisato, reti neurali
Dataset, training, test, bias
Applicazioni cliniche: immagini, predizione, supporto decisionale
Applicazioni in laboratorio: microscopia digitale, ematologia, microbiologia
E. Banche dati sanitarie e scientifiche
PubMed, Medline
Repository e sistemi informativi del laboratorio
Tutto il materiale a supporto dell'attività di studio è caricato a cura del docente sulla piattaforma MS Teams, accessibile con le credenziali di ateneo. Il gruppo è individuabile anche a mezzo codice alfanumerico 083yq75
A. Sistemi informativi sanitari
Cartella clinica elettronica (EHR/EMR)
Fascicolo Sanitario Elettronico
Flussi informativi regionali/nazionali
Sicurezza, privacy, GDPR e tracciabilità
B. Basi di database e gestione del dato clinico
Dati strutturati/non strutturati
Modello relazionale: tabelle, chiavi, relazioni
Data quality e integrità del dato
Interoperabilità: HL7, FHIR
Esempi di strutture dati tipiche del laboratorio
C. Big Data in ambito sanitario
Caratteristiche dei big data (5V)
Fonti: laboratori, imaging, genomica, dispositivi
Data governance e anonimizzazione
Biobanche, reti epidemiologiche e dataset clinici
D. Intelligenza artificiale e applicazioni cliniche
Definizioni: IA, ML, DL
Approcci: supervisato, non supervisato, reti neurali
Dataset, training, test, bias
Applicazioni cliniche: immagini, predizione, supporto decisionale
Applicazioni in laboratorio: microscopia digitale, ematologia, microbiologia
E. Banche dati sanitarie e scientifiche
PubMed, Medline
Repository e sistemi informativi del laboratorio
Tutto il materiale a supporto dell'attività di studio è caricato a cura del docente sulla piattaforma MS Teams, accessibile con le credenziali di ateneo. Il gruppo è individuabile anche a mezzo codice alfanumerico 083yq75
Lingua Insegnamento
ITALIANO
Altre informazioni
Ricevimento:
contatto via mail all'indirizzo di posta elettronica sergio.moriani@uninsubria.it.
Se necessario videoconferenza.
contatto via mail all'indirizzo di posta elettronica sergio.moriani@uninsubria.it.
Se necessario videoconferenza.
Corsi
Corsi
No Results Found
Persone
Persone
Docenti
No Results Found