Il trapianto rappresenta oggi la soluzione migliore nei casi di gravi insufficienze d'organo e in alcuni pazienti oncologici. La domanda di trapianti è in continuo aumento e nei casi di fegato e rene supera il numero di organi disponibili, portando a lunghe liste d'attesa e alla conseguente morte di molti pazienti. È quindi necessaria un'ottimizzazione di tutti i processi decisionali affini ai trapianti, ad esempio nelle scelte sull'assegnazione degli organi e sullo scarto di quelli considerati non idonei al trapianto. Questo progresso può certamente derivare dall'impiego di sistemi di supporto alla decisione clinica combinati alle moderne tecniche di intelligenza artificiale. Gli attuali punteggi utilizzati ad esempio per l'assegnazione degli organi o l'abbinamento fra donatori e riceventi non sono sufficienti a risolvere in maniera ottimale tali problemi. Tecniche di machine learning consentono, invece, di tenere in considerazione molte più variabili, riuscendo anche a trovare relazioni non-lineari fra esse. Tuttavia, l'implementazione e l'utilizzo clinico dei sistemi di supporto alla decisione può incontrare diversi ostacoli sia per gli utenti che per i progettisti. A questo si aggiunge il bisogno per i sistemi di intelligenza artificiale di avere dati di alta qualità, problema abbastanza rilevante considerato lo stato attuale di utilizzo della principale fonte di questi, ossia il Fascicolo Sanitario Elettronico.
Sistemi di supporto alla decisione clinica ai fini dei trapianti d'organo
SEMENZATO, LORENZO
2021/2022
Abstract
Il trapianto rappresenta oggi la soluzione migliore nei casi di gravi insufficienze d'organo e in alcuni pazienti oncologici. La domanda di trapianti è in continuo aumento e nei casi di fegato e rene supera il numero di organi disponibili, portando a lunghe liste d'attesa e alla conseguente morte di molti pazienti. È quindi necessaria un'ottimizzazione di tutti i processi decisionali affini ai trapianti, ad esempio nelle scelte sull'assegnazione degli organi e sullo scarto di quelli considerati non idonei al trapianto. Questo progresso può certamente derivare dall'impiego di sistemi di supporto alla decisione clinica combinati alle moderne tecniche di intelligenza artificiale. Gli attuali punteggi utilizzati ad esempio per l'assegnazione degli organi o l'abbinamento fra donatori e riceventi non sono sufficienti a risolvere in maniera ottimale tali problemi. Tecniche di machine learning consentono, invece, di tenere in considerazione molte più variabili, riuscendo anche a trovare relazioni non-lineari fra esse. Tuttavia, l'implementazione e l'utilizzo clinico dei sistemi di supporto alla decisione può incontrare diversi ostacoli sia per gli utenti che per i progettisti. A questo si aggiunge il bisogno per i sistemi di intelligenza artificiale di avere dati di alta qualità, problema abbastanza rilevante considerato lo stato attuale di utilizzo della principale fonte di questi, ossia il Fascicolo Sanitario Elettronico.File | Dimensione | Formato | |
---|---|---|---|
Semenzato_Lorenzo.pdf
accesso aperto
Dimensione
3.66 MB
Formato
Adobe PDF
|
3.66 MB | Adobe PDF | Visualizza/Apri |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/34556