AI per la Medicina e la Salute
I risultati della ricerca degli ultimi anni mostrano che soluzioni tecnologiche basate su approcci di intelligenza artificiale (IA) sono in grado di impattare in molti aspetti della salute: diagnostici, preventivi, prognostici e gestionali. L'IA offre infatti enormi opportunità per migliorare la qualità, l'efficienza e l'accessibilità dei servizi sanitari, e per affrontare le sfide poste da patologie complesse. Non a caso, le applicazioni di IA alla medicina e alla sanità costituiscono uno dei principali temi di ricerca attuali, in grado di coinvolgere gruppi di ricerca interdisciplinari. Tuttavia, l'applicazione dell'IA al dominio della salute è questione complessa. Infatti, è necessario affrontare problemi sfidanti dal punto di vista scientifico, etico, sociale e normativo su un corpo di conoscenza ricco ed in costante evoluzione e su un insieme di dati complessi. Lo sviluppo di applicazioni di IA efficaci e durature nel settore sanitario richiede inoltre di chiarire la relazione tra le aspettative sulle applicazioni di IA e il ruolo che la conoscenza del settore sanitario e della medicina può svolgere nel loro sviluppo. Il workshop mira a raccogliere diversi contributi scientifici di impatto, sia metodologici che applicativi, e a generare un dialogo tra le università, le aziende, i centri di ricerca tecnologici e medici, e le istituzioni del paese che operano nel settore, al fine di coniugare l'eccellenza accademica con le esigenze di realizzare le potenzialità e di affrontare le sfide citate. I contributi scientifici saranno selezionati considerandone la qualità, la rilevanza e l'originalità delle tematiche e delle soluzioni di IA proposte alla comunità. Il workshop coprirà un ampio spettro di argomenti, tra cui aspetti teorici, pratici, metodologici, tecnologici e sistemici.
Chairs
|
Programma
Location: Galatea 3 e 49 a.m. |
Opening
|
9:20 a.m. |
Session 1: Research Group Overviews
AI in Medicine and Health: Contributions from the M.O.D.A.L Research Group at the University of Naples Federico II
Advancing e-health with AI: Insights from our research experience in neuroimaging, acoustic signals, and vital parameter monitoring
[PDF]
UniCas for Medicine and Healthcare
[PDF]
Advancing Healthcare Through AI: Innovations in Monitoring and Diagnostic Technologies at the Augmented Reality for Health Monitoring Laboratory (ARHeMLab)
[PDF]
AI in Medicine: Activities of the CINI-AIIS Lab at University of Naples Federico II
[PDF]
AI-driven technologies in Digital Health & Well Being: early detection and intervention strategies
[PDF]
Towards AI-driven Next Generation Personalized Healthcare and Well-being
[PDF]
AI-Driven Innovations in Healthcare: Bridging Imaging and Genomics for Advanced Disease Insights
[PDF]
|
10:20 a.m. |
Session 2: AI and Diagnostics
ARTIS: a digital interface to promote the rehabiliatation of text comprehension difficulties through Artificial Intelligence
[PDF]
Optimizing Chest X-Ray Disease Classification with Register Integration in Vision Transformer Models
From Covid-19 detection to cancer grading: how medical-AI is boosting clinical diagnostics and may improve treatment
[PDF]
Comparison of Machine Learning approaches for Stress Detection from Wearable Sensors Data
[PDF]
|
11 a.m. |
Break
|
11:30 a.m. |
Session 3: Deep Learning for Clinical Applications
Implementing Vision Transformers in Dermatological Practice: A Web Application for Melanoma Screening
[PDF]
Denoising Diffusion Probabilistic Models for DBT data augmentation: preliminary results
Beyond Labels: A Self-Supervised Framework with Masked Autoencoders and Random Cropping for Breast Cancer Subtype Classification
Deep learning-based tumor resectability prediction model in patients with Ovarian Cancer: a preliminary evaluation
[PDF]
|
12:10 p.m. |
Session 4: AI for Health: Tools and Methods
NetMe 2.0: A web-based platform for extracting and modeling knowledge from biomedical literature as a labeled graph
An MLOps Solution Framework for Transitioning Machine Learning Models into eHealth Systems
[PDF]
Graph Neural Networks for Gut Microbiome Metaomic data: A preliminary work
|
12:40 p.m. |
Session 5: Evaluating and Optimizing Models
AI-based medical education through Computer-Interpretable clinical guidelines: the AI-LEAP project
Leveraging Bio-Inspired Optimization Algorithms for Advanced Feature Selection in Chronic Disease Datasets
[PDF]
LLM embeddings on test items predict post hoc loadings in personality tests.
[PDF]
Leveraging Prompt Engineering and Large Language Models for Automating MADRS Score Computation for Depression Severity Assessment
[PDF]
|
1:15 p.m. |
Closing
|