The master thesis work is developed as part of the current research project 2020 IZS PLV 07/20 RC "Artificial Intelligence and One Health in the fight against zoonoses". One Health is a health model, promoted by the Italian Higher Institute of Health (ISS), based on the integration of different disciplines. It recognizes that the health of human, animal and ecosystem are strongly connected and dependent on each other. Zoonoses are the diseases that are transmitted from animals to humans, those that are globally recognised as a health priority due to both their direct impact on health and the economic and social repercussions. The Experimental Zooprophylactic Institute for Piedmont, Liguria and Valle d’Aosta (IZSPLV), following the ISS’s directives, launched the project "Artificial Intelligence and One Health in the fight against zoonoses" in- volving several medical and sanitary institutions together with the University of Turin. The main aim of the project is to supply a protocol of epidemiological investigation and preventive intervention, based on the application of AI for the management and exploitation of data relating to zoonotic diseases and applicable over the regional, na- tional or international contexts. A large amount of data on zoonoses is produced by medical and veterinary laboratories and health institutions, those that are distributed between heterogeneous and isolated databases. The available data comes from the sys- tems Sigla (animal data), Seremi (Piedmont human data), Alisa (Liguria human data). The thesis work begins with a first exploratory phase by analyzing, normalizing and integrating the various data sources to obtain statistics and common patterns. In a second phase, new public domain information (open data) is analyzed and integrated to ease spatial analysis. Finally, machine learning techniques are applied to increase data informative content and discover latent information. In short, a new zoonosis’ epidemiological risk prevention and management model is provided according to the test case data analyzed from 2015 to 2020 of Leishmania, Leptospira, Salmonellosis and Hepatitis.
Il lavoro di tesi magistrale si sviluppa nell’ambito del progetto di ricerca corrente 2020 IZS PLV 07/20 RC "Intelligenza artificiale e One Health nella lotta alle zoonosi". One Health è un modello sanitario, promosso dall’Istituto superiore di sanità italiano (ISS), che si basa sull’integrazione di discipline diverse, riconoscendo che la salute umana, la salute animale e la salute dell’ecosistema sono fortemente connesse e interdipendenti. Le zoonosi sono quelle malattie che si trasmettono dagli animali all’uomo e sono glob- almente riconosciute come priorità sanitaria sia per il loro impatto diretto sulla salute sia per le ricadute economiche e sociali che ne conseguono. L’istituto zooprofilattico sperimentale del Piemonte, Liguria e Valle d’Aosta (IZSPLV), ha recepito le direttive del ISS e ha avviato il progetto "Intelligenza artificiale e One Health nella lotta alle zoonosi" coinvolgendo, oltre ad alcune istituzioni medico sanitarie, anche il Diparti- mento di Informatica dell’Università di Torino. L’Obiettivo generale del progetto è rendere disponibile un protocollo di indagine epidemiologica e di intervento preventivo applicabile a contesti regionali, nazionali o internazionali e che si basi sull’applicazione dell’IA per la gestione e la valorizzazione di dati sanitari relativi alle malattie a carat- tere zoonosico. Una grande quantità di dati relativi alle zoonosi prodotti da laboratori e istituzioni sanitarie mediche e veterinarie, sono distribuiti tra database eterogenei e isolati. In particolare i dati disponibili provengono dai sistemi Sigla (dati animali), Seremi (dati umani Piemonte), Alisa (dati umani Liguria). Il lavoro di tesi, in una prima fase esplorativa, analizza, normalizza ed integra le varie sorgenti di dati per ricavare statistiche e pattern comuni. In una seconda fase, si ricercano ed integrano possibili nuove informazioni di pubblico dominio (open data) per agevolare l’analisi spazio temporale dell’evoluzione di possibili epidemie. In ultimo si applicano e val- utano tecniche di apprendimento automatico per aumentare il contenuto informativo dei dati e scoprire informazioni latenti. In conclusione, si fornisce un nuovo modello di prevenzione e gestione del rischio epidemiologico zoonosico basato sull’apprendimento dei casi analizzati dal 2015 al 2020 di Leishmania, Leptospira, Salmonellosi ed Epatite.
Applicazione della scienza dei dati e dell’apprendimento automatico nel progetto OneHealth per la lotta alle zoonosi
PARAGALLO, VITTORIO
2020/2021
Abstract
Il lavoro di tesi magistrale si sviluppa nell’ambito del progetto di ricerca corrente 2020 IZS PLV 07/20 RC "Intelligenza artificiale e One Health nella lotta alle zoonosi". One Health è un modello sanitario, promosso dall’Istituto superiore di sanità italiano (ISS), che si basa sull’integrazione di discipline diverse, riconoscendo che la salute umana, la salute animale e la salute dell’ecosistema sono fortemente connesse e interdipendenti. Le zoonosi sono quelle malattie che si trasmettono dagli animali all’uomo e sono glob- almente riconosciute come priorità sanitaria sia per il loro impatto diretto sulla salute sia per le ricadute economiche e sociali che ne conseguono. L’istituto zooprofilattico sperimentale del Piemonte, Liguria e Valle d’Aosta (IZSPLV), ha recepito le direttive del ISS e ha avviato il progetto "Intelligenza artificiale e One Health nella lotta alle zoonosi" coinvolgendo, oltre ad alcune istituzioni medico sanitarie, anche il Diparti- mento di Informatica dell’Università di Torino. L’Obiettivo generale del progetto è rendere disponibile un protocollo di indagine epidemiologica e di intervento preventivo applicabile a contesti regionali, nazionali o internazionali e che si basi sull’applicazione dell’IA per la gestione e la valorizzazione di dati sanitari relativi alle malattie a carat- tere zoonosico. Una grande quantità di dati relativi alle zoonosi prodotti da laboratori e istituzioni sanitarie mediche e veterinarie, sono distribuiti tra database eterogenei e isolati. In particolare i dati disponibili provengono dai sistemi Sigla (dati animali), Seremi (dati umani Piemonte), Alisa (dati umani Liguria). Il lavoro di tesi, in una prima fase esplorativa, analizza, normalizza ed integra le varie sorgenti di dati per ricavare statistiche e pattern comuni. In una seconda fase, si ricercano ed integrano possibili nuove informazioni di pubblico dominio (open data) per agevolare l’analisi spazio temporale dell’evoluzione di possibili epidemie. In ultimo si applicano e val- utano tecniche di apprendimento automatico per aumentare il contenuto informativo dei dati e scoprire informazioni latenti. In conclusione, si fornisce un nuovo modello di prevenzione e gestione del rischio epidemiologico zoonosico basato sull’apprendimento dei casi analizzati dal 2015 al 2020 di Leishmania, Leptospira, Salmonellosi ed Epatite.| File | Dimensione | Formato | |
|---|---|---|---|
|
829314_vittorio_paragallo_master_thesis_application_of_data_science_and_machine_learning_on_the_one_health_project_combatting_zoonoses_to_upload.pdf
non disponibili
Tipologia:
Altro materiale allegato
Dimensione
11.66 MB
Formato
Adobe PDF
|
11.66 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14240/156639