DESTINATARI

Laurea del Vecchio ordinamento: Laura in Medicina e Chirurgia Classe 46/s e LM/41 senza abilitazione professionale. 

Laure di I livello: ex DM 509/99 e DM 270/2004

Laurea di II livello: ex DM 509/99 e DM 270/2004 laura in Medicina e Chirurgia Classe 46/s e LM/41 senza abilitazione professionale. 

Altro: sono ammessi i laureandi. 

Sono ammessi 2 uditori.

Il Comitato Scientifico, ai soli fini di ammissione al corso di Master, si riserva di considerare le candidature di persone con titoli equipollenti conseguiti all’estero. Il riconoscimento dei titoli stranieri sarà effettuato in base alle modalità previste dall’art. 2.5 del Regolamento Master dell’Università degli Studi di Torino.

SELEZIONE

La selezione sarà realizzata da apposita Commissione di Selezione.

L’ammissione al Master avviene previa valutazione dei curricula dei candidati. Se le domande dovessero essere superiori al numero dei posti disponibili, sarà svolta una prova di selezione consistente nella valutazione dei titoli e un colloquio.

Al Master sarà ammesso un numero massimo di 20 iscritti e verrà attivato se sarà raggiunto il numero minimo di 10 iscritti. Il Comitato Scientifico, con decisione motivata, può in deroga attivare il Master con un numero di iscritti inferiore, fatta salva la congruenza finanziaria.

Le procedure di iscrizioni verranno pubblicate entro la fine del 2024. 

I dati raccolti da COREP saranno utilizzati ai sensi dell’Art. 13 del D. Lgs. 196/03.

STRUTTURA DIDATTICA:
Il Master è annuale, corrisponde a 60 crediti formativi universitari (CFU), ha una durata complessiva di 1500 ore ed è così articolato:
• Didattica frontale n. 129 ore, studio individuale n. 921 ore, corrispondenti ad un totale di 42 CFU
• Tirocinio formativo n. 400 ore, pari a 16 CFU
• Prova finale n. 50 ore, pari a 2 CFU

PUNTI SALIENTI DEL PROGRAMMA: 

Si partirà da una descrizione dei requisiti necessari per effettuare delle analisi, passando per i diversi tipi di interpretazione dei dati fino ad “entrare nel vivo” analizzando e descrivendo le metodiche già in atto e quelle futuribili nel campo della pratica clinica.

Nel dettaglio saranno affrontati i seguenti punti:

1. Panoramica sull'evoluzione, i concetti fondamentali e le definizioni dell'IA nel contesto medico.
2. Un'introduzione ai fondamentali di matematica e statistica necessari per comprendere i modelli di IA. 
3. Insegnamento tecnico per la gestione, la pulizia e preparazione dei dati (con attenzione a dataset medici). Tali metodi sono essenziali per garantire accuratezza e affidabilità delle applicazioni IA.
4. Approfondimento delle tecniche di IA più complesse, inclusi vari tipi di apprendimento automatico:  supervisionato, non supervisionato, di rinforzo e architetture di deep learning rilevanti per applicazioni mediche.
5. L'applicazione delle tecnologie IA per migliorare l'interpretazione, l'accuratezza e l'utilità clinica delle modalità di imaging medico come MRI, scansione CT e altro.
6. Ruolo dell'IA nell'analisi dei dati genetici, proteomici, metabolomici, per la diagnostica personalizzata e la previsione di risposta ai trattamenti.
7. Ruolo dell'IA nella semplificazione del processo di scoperta dei farmaci, dalla prima selezione dei candidati alla modellazione predittiva per gli esiti dei trial clinici.
8. Ruolo emergente dei sistemi robotici potenziati dall'IA nelle pratiche chirurgiche. Realtà aumentata per la preparazione o esecuzione degli interventi chirurgici anche tramite elementi robotici
9. Ruolo dell’IA nella pratica clinica, sia quella dei Medici di Medicina Generale che quella Medici Ospedalieri che quella delle diverse figure cliniche
10. Esplorare l'integrazione dell'IA con i modelli meccanicistici tradizionalmente utilizzati in medicina, migliorando la capacità di simulare e comprendere processi biologici complessi per supportare la decisione clinica.
11. Una panoramica dei quadri legislativi e degli ambienti regolatori che governano l'uso dell'IA nella sanità, enfatizzando la conformità, i diritti dei pazienti e la protezione dei dati.
12. Discussione sulle metodologie per validare gli strumenti IA nelle impostazioni cliniche, garantendo che le decisioni guidate dall'IA siano basate su solide prove e siano clinicamente affidabili. Differenza fra sistema esperto
13. (dove sussiste relazione causale) e modello IA.
14. Sottolineare l'importanza di sviluppare sistemi IA che siano non solo efficaci ma anche comprensibili e trasparenti sia per i clinici che per i pazienti, promuovendo la fiducia dell’utente e facilitando una più ampia adozione

Le lezioni saranno in parte in presenza e parte online asincrone.

TIROCINIO

I tirocini si strutturano sia online che di persona collaborando con i Professori del Master e con il personale esperto del Dipartimento di informatica.

PROVA FINALE

Per verificare l'apprendimento, durante il percorso didattico saranno proposte verifiche in itinere con valutazione espressa in trentesimi, mentre, a conclusione dell'intero percorso, è prevista una verifica finale, valutata in centodecimi, consistente nella discussione della tesi di Master, legata all'esperienza del tirocinio formativo. 

La presenza alle lezioni è obbligatoria al 70 % delle lezioni e del tirocinio. 

Segreteria Master COREP

Orario di ricevimento:
dal lunedì al venerdì dalle ore 8.30 alle ore 15.00

CALL CENTER: +011 6399206

Email: Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.