The thesis focuses its attention on how big data and machine learning have been one of the most pervasive evolutions occurred in the digital world. In particular, the focus is placed on the contribution that these give in the medical-health world for the diagnosis and monitoring of diseases, this is documented through the presentation of some projects carried out at some Italian institutes. Specifically, we analyze the project "Neuro Art P3" of the Policlinico San Martino in Genoa, which outlines how Big Data can help in the treatment of diseases of the nervous system. Another study that is explored in this thesis is the "4cE" project that again explains how big data and the collection of information, transformed into computer data, can save the lives of Covid patients. Next, the focus is on the presentation of the Generator-Info Science Center at Policlinico Gemelli in Rome. The latter highlights the usefulness of big data in coping with the pandemic in predicting, for example, the medical complications of coronavirus patients and, above all, seeking a long-term response to the current pandemic.
La tesi focalizza la sua attenzione su come i big data ed il machine learning siano stati una delle evoluzioni più pervasive avvenute nel mondo del digitale. In modo particolare, il focus è posto sul contributo che questi danno nel mondo medico-sanitario per la diagnostica ed il monitoraggio di malattie, ciò viene documentato attraverso la presentazione di alcuni progetti realizzati presso alcuni istituti italiani. In modo specifico si analizza il progetto “Neuro Art P3” del Policlinico San Martino di Genova che delinea come i Big Data possano aiutare nel curare le malattie del sistema nervoso. Un altro studio che viene approfondito in questa tesi è il progetto “4cE” che spiega nuovamente come i big data e la raccolta di informazioni, trasformate in dati informatici, possano salvare la vita ai malati Covid. Successivamente, l'attenzione è posta sulla presentazione del Generator-Info Science Center del Policlinico Gemelli di Roma. Quest'ultimo evidenzia l'utilità dei big data nel fronteggiare la pandemia nel prevedere, ad esempio, le complicanze mediche dei malati di coronavirus e, soprattutto, cercare una risposta di lungo periodo alla pandemia attuale.
Come i Big Data ed il Machine Learning hanno cambiato il mondo medico-sanitario:il progetto Generator - Info Science Center del Policlinico Gemelli di Roma.
RAVERA, MARTINA
2019/2020
Abstract
La tesi focalizza la sua attenzione su come i big data ed il machine learning siano stati una delle evoluzioni più pervasive avvenute nel mondo del digitale. In modo particolare, il focus è posto sul contributo che questi danno nel mondo medico-sanitario per la diagnostica ed il monitoraggio di malattie, ciò viene documentato attraverso la presentazione di alcuni progetti realizzati presso alcuni istituti italiani. In modo specifico si analizza il progetto “Neuro Art P3” del Policlinico San Martino di Genova che delinea come i Big Data possano aiutare nel curare le malattie del sistema nervoso. Un altro studio che viene approfondito in questa tesi è il progetto “4cE” che spiega nuovamente come i big data e la raccolta di informazioni, trasformate in dati informatici, possano salvare la vita ai malati Covid. Successivamente, l'attenzione è posta sulla presentazione del Generator-Info Science Center del Policlinico Gemelli di Roma. Quest'ultimo evidenzia l'utilità dei big data nel fronteggiare la pandemia nel prevedere, ad esempio, le complicanze mediche dei malati di coronavirus e, soprattutto, cercare una risposta di lungo periodo alla pandemia attuale. File | Dimensione | Formato | |
---|---|---|---|
824128_tesimartinaravera1.pdf
non disponibili
Tipologia:
Altro materiale allegato
Dimensione
3.09 MB
Formato
Adobe PDF
|
3.09 MB | Adobe PDF |
Se sei interessato/a a consultare l'elaborato, vai nella sezione Home in alto a destra, dove troverai le informazioni su come richiederlo. I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14240/28074