Introduzione all'Intelligenza Artificiale per professionisti sanitari

QUOTA DI ISCRIZIONE INDIVIDUALE

Early booking - iscrizioni entro il 20 Ottobre 2026 -> 125,00 €

Quota ordinaria - iscrizioni dal 21 Ottobre 2026 -> 150,00 €

Presentazione del Corso

Il corso offre una panoramica scientifica e pragmatica sull'impatto dell'Intelligenza Artificiale (AI) in ambito medico e sanitario. Pensato specificamente per professionisti della salute, il percorso coniuga i fondamenti teorici dell'AI con sessioni di sperimentazione pratica online. I partecipanti acquisiranno le competenze necessarie per comprendere, valutare e integrare i moderni strumenti computazionali nella pratica clinica e di ricerca, prestando massima attenzione agli aspetti etici e di governance del dato.

Docente: Maurizio Galluzzo

CREDITI ECM: 18 crediti

CODICE CORSO: ID 57_2664

Programma delle Lezioni

PARTE A - 4 ORE

A1 - Fondamenti di AI e Data Science in sanità

Obiettivi didattici

• Comprendere la transizione dalla medicina basata sull'evidenza alla medicina basata sui dati. Distinguere tra Machine Learning, Deep Learning e AI Generativa.

Contenuti teorici 

• Storia ed evoluzione dell'AI in medicina.
• Tipologie di dati sanitari (strutturati, imaging, testo libero, genomica).
• Logica degli algoritmi predittivi e diagnostici.

Sperimentazione online 

• Laboratorio: Esplorazione guidata di una piattaforma no-code (Google Teachable Machine).
• Attività: Addestramento guidato di un micro-modello di classificazione di immagini o dati clinici simulati per comprendere il concetto di "bias" e "accuratezza".

A2 - L'AI Generativa e i Large Language Models (LLM) nella Pratica Clinica

Obiettivi Didattici

• Padroneggiare l'uso dei modelli di linguaggio per ottimizzare i flussi di lavoro clinici e la sintesi della letteratura scientifica.

Contenuti teorici 

• Architettura dei Large Language Models (LLM) e funzionamento dei GPT in ambito medico.
• Opportunità: redazione di report, sintesi di cartelle cliniche, traduzione del gergo medico per il paziente (patient empowerment).
• Rischi critici: il fenomeno delle "allucinazioni" e la de-identificazione dei dati.

Sperimentazione online 

• Laboratorio: Sessione interattiva di Advanced Prompt Engineering su interfacce web protette.
• Attività: Esercitazione clinica sulla simulazione di anamnesi, creazione di lettere di dimissione e redazione di fogli informativi partendo da casi studio accademici.

PARTE B - 4 ORE

B1 - AI nell'Imaging Biomedico e nella Diagnostica Avanzata

Obiettivi didattici

• Analizzare il ruolo della Computer Vision e della radiomica nei flussi di lavoro diagnostici (Radiologia, Dermatologia, Patologia).

Contenuti teorici 

• Come i computer "vedono" le immagini mediche: reti neurali convoluzionali (CNN).
• Sistemi di supporto alle decisioni cliniche (CDSS) e screening assistito.
• Il concetto di "Human-in-the-loop": la sinergia tra medico e algoritmo.

Sperimentazione online 

• Laboratorio: Utilizzo di viewer oncologici/radiologici web-based didattici o simulatori di segmentazione anatomica.
• Attività: Analisi comparativa tra la valutazione umana e l'output di un algoritmo di AI su una serie di casi clinici pre-caricati (es. lesioni dermatologiche o noduli polmonari).

B2- Etica, Regolamentazione e Sicurezza dei Dati (AI Governance)

Obiettivi Didattici

• Conoscere il quadro normativo europeo e internazionale per l'uso sicuro e legale dell'AI in sanità.

Contenuti teorici 

• L'AI Act europeo e i dispositivi medici software (SaMD).
• Consenso informato, privacy del paziente (GDPR) e cybersecurity in sanità.
• Responsabilità medico-legale in caso di errore dell'algoritmo.
• Trasparenza ed esponibilità dell'AI (Explainable AI - XAI).

Sperimentazione Online

• Laboratorio: Workshop interattivo di analisi del rischio tramite lavagne digitali condivise (es. Miro/Mural).
• Attività: Discussione critica a piccoli gruppi (breakout rooms) su un caso reale di fallimento algoritmico o di violazione della privacy, finalizzata alla redazione di un piano di mitigazione del rischio.

PARTE C - 2 ORE

C1 - Il futuro della Sanità Digitale e Project Design

Obiettivi didattici

• Sviluppare una visione critica sulle tecnologie emergenti e saper valutare l'adozione di una tecnologia AI nel proprio reparto o struttura.

Contenuti teorici

• Medicina predittiva, biomarcatori digitali e gemelli digitali (Digital Twins) in medicina.
• Metodologie per valutare l'efficacia clinica e il ritorno sull'investimento (HTA - Health Technology Assessment) dei software di AI.

Sperimentazione online

• Laboratorio: Sessione di co-progettazione assistita in cloud.
• Attività: Compilazione guidata di un "AI Readiness Framework". I partecipanti abbozzeranno la proposta per l'introduzione di uno strumento AI nel proprio contesto professionale, definendo obiettivi, dati necessari ed endpoint di valutazione.

Requisiti tecnici per le esercitazioni online

Per la natura interattiva del corso, ai partecipanti è richiesto l'utilizzo di un computer dotato di browser Chrome aggiornato, un account Gmail (di cui si ricordi la password). Tutte le esercitazioni utilizzeranno strumenti cloud gratuiti e sandbox didattiche che non richiedono l'installazione di software locali né competenze di programmazione (no-code). I contenuti potranno subire variazioni data la velocità di cambiamento della disciplina.