Modulo: Biologia cellulare avanzata e elementi di genomica

(SSD BIO/13; 45 ore, 6 CFU, Caratterizzante)

Obiettivi formativi

Conoscenza e comprensione della struttura delle cellule, dei meccanismi e dei processi che regolano il funzionamento cellulare.
Conoscenza e comprensione della biologia delle cellule staminali embrionali e tissutali.
Conoscenza e comprensione della struttura e funzione del genoma umano e della regolazione epigenetica dello stesso.
Conoscenza e comprensione delle tecnologie per la generazione e la manipolazione di cellule umane come modelli per lo studio di malattie e come approcci terapeutici innovativi.
Capacità di analizzare e discutere, autonomamente e criticamente, i risultati di lavori scientifici riguardanti gli argomenti trattati durante il corso.
Abilità nella comunicazione delle conoscenze e competenze acquisite utilizzando il linguaggio specifico della materia.

Prerequisiti

Il corso non prevede propedeuticità ma sono necessarie, per poter seguire con profitto, conoscenze di base di chimica generale, biochimica, fisiologia e anatomia che dovrebbero essere parte del percorso triennale.

Contenuti

Fondamenti di biologia cellulare (struttura delle cellule e suoi componenti, differenze tra cellule eucariotiche e procariotiche, flusso dell’informazione nella materia vivente e regolazione, ciclo cellulare e la sua regolazione). Cenni sui virus. Biologia delle cellule staminali. Principi di base della struttura, organizzazione e regolazione del genoma umano. Tecnologie per l’allestimento e manipolazione genetica ed epigenetica di colture cellulari 2D e 3D e loro applicazioni in medicina.

Modulo: Bioinformatica e biologia sintetica

(SSD ING-INF/06; 76 ore, 9 CFU, Caratterizzante)

Obiettivi formativi

Comprendere metodi per la gestione e l’analisi dei dati prodotti dalla ricerca a livello molecolare (Bioinformatica) e metodi per la realizzazione di nuove funzioni biologiche a livello cellulare (Biologia Sintetica). In particolare:
- Comprendere le caratteristiche delle principali biomolecole (DNA, RNA, proteine) e le tecniche sperimentali per la loro caratterizzazione
- Acquisire manualità nell'utilizzo di svariati strumenti informatici e database per l'analisi di geni, genomi, trascrittomi e pathway.
- Comprendere tecniche computazionali per analizzare e confrontare sequenze di biomolecole.
- Comprendere tecniche computazionali e statistiche per l'analisi dell'espressione genica da esperimenti high-throughput
- Comprendere tecniche di bioinformatica integrativa per analizzare dati sfruttando informazioni eterogenee
- Comprendere metodologie per l'ingegnerizzazione di nuovi sistemi biologici sintetici (progettazione, costruzione, caratterizzazione e debugging)

Prerequisiti

Conoscenze di base di informatica, biologia molecolare, genetica e statistica

Contenuti

Bioinformatica:
- Richiami di biologia molecolare e genetica
- Analisi di sequenze tramite linguaggio python
- Sequenziamento, progetti genoma e banche dati biologiche
- Allineamento di sequenze
- Analisi del trascrittoma
- Reti biologiche
Biologia sintetica:
- Progettazione, costruzione e caratterizzazione di circuiti sintetici
- Modellizzazione di circuiti sintetici e predicibilità della loro funzione
- Standardizzazione
- Sistema CRISPR
- Applicazioni in ambito terapeutico e agro-industriale

(SSD ING-INF/06; 62 ore, 6 CFU, Caratterizzante)

Obiettivi formativi

Il corso introduce il paradigma a oggetti e la modellazione concettuale che verranno introdotti come strumenti potenti in tutte le fasi dello sviluppo software, dall'analisi, alla progettazione fino all’implementazione di applicazioni di media complessità. Le lezioni si alternano allo svolgimento di esercizi e discussione di elementi di codice.
L'obiettivo del corso è quello di fornire i principi e le conoscenze necessarie a maturare buone capacità di sviluppo di software ad oggetti.

Prerequisiti

Conoscenze e Competenze di Programmazione di base acquisite con un corso di Fondamenti di Informatica.

Contenuti

- Programmazione Orientata agli Oggetti (OOP).
- Il Linguaggio Java.
- Notazione UML.

Modalità di verifica dell'apprendimento

La valutazione si basa su due prove individuali. La prima è una prova di teoria che ha l'obiettivo di verificare le conoscenze teoriche di base del paradigma Object Oriented e del linguaggio Java. Si compone di 15 domande e viene superata se vengono fornite almeno 9 risposte corrette. La seconda, alla quale si accede solo dopo il superamento della prima, è una prova pratica di laboratorio individuale, nella quale viene richiesto di risolvere un problema di media complessità.
La soluzione consiste nello sviluppo di una applicazione in linguaggio Java in grado di soddisfare i requisiti indicati. La valutazione della prova pratica tiene conto sia della capacità di utilizzare in modo adeguato il linguaggio Java, che della qualità del modello concettuale utilizzato nella progettazione e realizzazione dell'applicazione. La valutazione finale è ottenuta come media pesata della prova di teoria (1/3) e della prova pratica (2/3).

(SSD IING-INF/06; 45 ore, 6 CFU, Caratterizzante)

Obiettivi formativi

Offrire agli studenti una panoramica completa dei principi, delle tecnologie e delle applicazioni dei biosensori, preparandoli per contribuire al continuo sviluppo di questa importante area di ricerca e applicazione.

Prerequisiti

Principi base della fisica dei materiali per l’elettronica e dei principi base di funzionamenti dei principali dispositivi elettronici

Contenuti

Introduzione ai Biosensori e ai sensori biomedicali:
Definizione di biosensori e il loro ruolo in biologia e medicina.
Storia e sviluppo dei biosensori.

Principi di Rilevamento Biologico:
Meccanismi molecolari e cellulari coinvolti nella rilevazione di segnali biologici.
Interazioni molecolari chiave e trasduzione del segnale.
Macromolecole biologiche (RNA, DNA, proteine, anticorpi, aptameri)

Tecnologie di Trasduzione del Segnale:
Elettronica e ottica applicata ai biosensori.
Proprietà ottiche delle soluzioni.
Altre Tecniche di rivelazione, come elettrochimica, ottica, acustica, piezoelettrica, ecc.

Materiali per Biosensori
Materiali biocompatibili e biodegradabili.
Nanomateriali e la loro applicazione ai sensori per la medicina di precisione.
Materiali bidimensionali per sensori avanzati.

Progettazione e Sviluppo di Biosensori e sensori biomedicali:
Approcci di progettazione e ingegneria di biosensori (lab-on-chip).
Tecniche di miniaturizzazione e integrazione.
Microfluidica
Esempi di microsensori

Applicazioni Biomediche:
Diagnosi precoce di malattie (sensori per genomica, proteomica, metabolomica, sensori cellulari).
Monitoraggio di biomarcatori in tempo reale nei diversi biofluidi (sangue, saliva, sudore, urine, feci).
Monitoraggio personalizzato e medicina di precisione (wearable devices).

Biosensori Ambientali e Alimentari:
Monitoraggio degli inquinanti ambientali.
Rilevamento di contaminanti alimentari e sicurezza alimentare.

Aspetti Etici e Normativi:
Considerazioni etiche legate all'uso dei biosensori.
Regolamentazioni e normative nel campo.

Case Studies e Applicazioni Pratiche:
Analisi di biosensori specifici e la loro implementazione pratica
Studi di casi reali in vari campi di applicazione.

Sviluppi Futuri e Tendenze nel Campo:
Le ultime innovazioni e scoperte nel campo dei biosensori.
Possibili sviluppi futuri e tendenze emergenti.

La declinazione dei contenuti secondo i descrittori di Dublino prevede la seguente classificazione:
Conoscenza e Comprensione (Knowledge and Understanding):
Alla fine del corso, ci si aspetta che gli studenti conoscano i seguenti argomenti
- Definizione di biosensori e il loro ruolo in biologia e medicina
- Storia e sviluppo dei biosensori.
- Meccanismi molecolari e cellulari coinvolti nella rilevazione di segnali biologici.
- Interazioni molecolari chiave e trasduzione del segnale.
- Tecnologie di Trasduzione del Segnale: Elettronica e ottica applicata ai biosensori. Altre Tecniche di rivelazione, come elettrochimica, ottica, acustica, piezoelettrica, ecc.
- Materiali per Biosensori: Materiali biocompatibili e biodegradabili. Nanomateriali e la loro applicazione nei biosensori.

Applicazione della Conoscenza e Comprensione (Applying Knowledge and Understanding)
Alla fine del corso, ci si aspetta che gli studenti sappiano cimentarsi con la progettazione e lo sviluppo di biosensori per applicazioni biomediche e di monitoraggio ambientale e alimentare avendo approfondito:
- Approcci di progettazione e ingegneria dei biosensori. Tecniche di miniaturizzazione e integrazione.
- Considerazioni etiche legate all'uso dei biosensori. Regolamentazioni e normative nel campo.

Abilità Cognitive e Pratiche (Cognitive and Practical Skills):
Alla fine del corso ci si aspetta che gli studenti abbiano familiarizzato, possibilmente includendo nelle loro attività un Progetto di Ricerca o un’attività di  Laboratorio per consentire agli studenti di applicare le conoscenze acquisite, con alcuni Case Studies e Applicazioni Pratiche: Analisi di biosensori specifici e la loro implementazione pratica. Studi di casi reali in vari campi di applicazione.

Autonomia di Giudizio (Judgment and Autonomy):
Alla fine del corso ci si aspetta che gli studenti siano in grado di valutare autonomamente sviluppi futuri e tendenze nel campo dei biosensori.

Comunicazione (Communication):
Tutti i contenuti del corso richiedono abilità di comunicazione, sia nella comprensione delle teorie che nella presentazione di analisi di casi e progetti. Particolare attenzione verrà dedicata alla presentazione dei risultati dell’apprendimento in forma orale al fine di abituare gli studenti alla presentazione dei loro risultati in un ambito professionale che possa ricalcare il loro futuro ambiente di lavoro.

Apprendimento Permanente (Lifelong Learning):
Il corso promuove la consapevolezza degli sviluppi futuri e incoraggia gli studenti a rimanere informati sulle tendenze emergenti nel campo dei biosensori, sottolineando l'importanza dell’apprendimento continuo.

(SSD ING-INF/06; 80 ore, 9 CFU, Caratterizzante)

Obiettivi formativi

Il corso si propone di fornire allo studente competenze metodologiche e tecniche per impiegare in ambito biomedico una vasta classe di algoritmi che sono in grado di apprendere regole decisionali da dati e di migliorare automaticamente le loro prestazioni sulla base dell’esperienza. Nella prima parte del corso verranno introdotte le problematiche generali del machine learning e i metodi più importanti nelle applicazioni. Lo studente, alla fine della prima parte del corso, lo studente dovrà essere in grado di:
- impiegare un percorso metodologicamente adeguato per apprendere modelli decisionali dai dati
- utilizzare strumenti software e pacchetti statistici di apprendimento automatico.
Il corso conterrà sia lezioni teoriche che esercitazioni pratiche al calcolatore.
Nella seconda parte gli studenti verranno poi introdotti a due metodologie ampiamente utilizzate nell'ambito dell'Intelligenza Artificiale: reti neurali e deep learning da un lato e gli algoritmi genetici dall'altro. Le prime rappresentano uno strumento di apprendimento computazionale per compiti di riconoscimento e classificazione sia statici che dinamici, i secondi sono un metodo di ottimizzazione a base stocastica di estrema versatilità. Per questa parte, al termine del corso gli studenti dovranno essere in grado di implementare in ambiente Matlab le principali architetture di reti "shallow" e "deep" per la classificazione e l'approssimazione, nonché algoritmi genetici generazionali e steady state.

Prerequisiti

Vengono richieste conoscenze di base sulla teoria delle probabilità e di statistica. Per la parte pratica, viene richiesta una certa dimestichezza con l’uso degli strumenti informatici.

Contenuti

Prima parte. Apprendimento di regole decisionali
Introduzione al corso: Apprendimento automatico e Data mining nelle scienze biomediche.
Ambiti di applicazione dei metodi automatici per la classificazione: diagnosi, prognosi, ricerca
I concetti di base: esempi, istanze, attributi e rappresentazione delle regole decisionali
Apprendimento supervisionato
Alberi decisionali: apprendimento, tecniche di pruning
Metodi bayesiani: Naive Bayes, analisi discriminante
Modelli di regressione: modello lineare, regressione logistica, reti neurali, support-vector machines
Metodo k-nearest e misure di distanza
Random forest, boosting
Tecniche di feature selection. Information gain e Relief
Valutazione degli algoritmi di apprendimento e problemi di valutazione in ambito biomedico
Training e Testing. Accuratezza, calibrazione, specificità e sensitività, precisione e recall, misura F
Metodi per la valutazione delle prestazioni. Cross validazione, Bootstrap e Curve ROC.
Apprendimento non supervisionato
Regole di associazione
Metodi di clustering: K-means, K-medoids, clustering gerarchico, Self-organizing maps
Valutazione dei risultati dei metodi di clustering
Metodologie per il data mining in bio-medicina
Applicazioni del data mining in bio-medicina: diagnosi, prognosi, classificazione, genomica funzionale
La metodologia CRISP per il data mining in bio-medicina.
Esercitazioni e laboratori
Uso dei software Orange, Weka e Matlab per la soluzione di problemi di classificazione.
Soluzione di problemi su data set forniti durante il corso.
Seconda parte.
Introduzione alle reti neurali.
Il percettrone e adaline, reti basate su un singolo neurone per classificazione e approssimazione lineare.
Percettrone multistrato e radial basis function networks.
Self organizing maps per clustering non supervisionato.
Reti dinamiche: la rete di Hopfield, la rete di Elman e le sue evoluzioni, la state-space model network. Reti ricorrenti e Long Short Term Memory network. Reti convoluzionali, autoencoder, reti generative. Algoritimi genetici per l'ottimizzazione guidata da una funzione di utilità (fitness).

Modalità di verifica dell'apprendimento

Esame scritto e discussione di due relazioni (apprendimento e reti neurali) con analisi dati.

(SSD ING-INF/06; 56 ore, 6 CFU, Affine opzionale)

Obiettivi formativi

L’obiettivo del corso è quello di fornire le metodologie per modellizzare problemi medici complessi, in cui si richiede di prendere decisioni in presenza di incertezza e/o tenendo conto delle preferenze del paziente e/o di funzioni di utilità multi-attributo (ad esempio quando si devono bilanciare costi e benefici). Si possono trattare problemi diagnostici, terapeutici e di monitoraggio. Lo studente, alla fine del corso, deve essere in grado di formalizzare un problema decisionale, individuando le variabili del dominio e scegliendo i formalismi più adatti, sia ai fini dell’acquisizione della conoscenza (interazione con la controparte medica per la costruzione del modello e interazione con il paziente per l’elicitazione delle preferenze), sia ai fini della risoluzione del problema. Fra le classi di problemi decisionali, particolare enfasi sarà data alle valutazioni economiche preliminari alla decisione sull’avviamento o meno di un programma sanitario. Verrà inoltre dato ampio spazio all’utilizzo pratico di strumenti informatici per la risoluzione di modelli decisionali.

Prerequisiti

Vengono richieste conoscenze di base sulla teoria delle probabilità. Per la parte pratica, viene richiesta una certa dimestichezza con l’uso del PC (Windows).

Contenuti

1. Introduzione: l’incertezza e le preferenze come problemi fondamentali delle decisioni
2. Breve ripasso dei concetti di base della teoria delle probabilità
a. alcune probabilità di fondamentale importanza in medicina
b. il teorema di Bayes e il suo utilizzo in diagnostica
c. le reti probabilistiche
d. uso di un software per reti probabilistiche
3. La teoria delle decisioni:
a. quantificazione del valore di un esito (stato di salute)
b. metodi per la quantificazione delle utilità (standard gamble, time-trade-off, rating scale)
c. utilità attesa di una decisione
d. dominanza probabilistica di una strategia rispetto alle altre possibili
4. Alberi decisionali
a. metodologie per la costruzione e la risoluzione
b. uso di un software per la gestione di alberi decisionali
c. analisi di sensitività e della soglia, univariata e multivariata
d. rappresentazione di processi di Markov all’interno di un albero decisionale
5. Diagrammi di influenza
a. metodologie per la costruzione e la risoluzione
b. uso di un software per diagrammi di influenza
6. Valutazioni economiche dei programmi sanitari
a. analisi costo-efficacia, costo-beneficio, costo-utilità
b. Soglie di riferimento per i rapporti costo/effiacia
c. lettura critica di un articolo di letteratura sull’argomento

Modalità di verifica dell'apprendimento

1- prova pratica: svolgimento al computer di un esercizio sugli alberi decisionali
2- prova orale: domande su tutti gli argomenti del corso

(SSD ING-INF/06; 74 ore, 6 CFU, Affine opzionale)

Obiettivi formativi

Il corso si propone di fornire allo studente le competenze necessarie per orientarsi nel mondo della farmacometria.
Dare una panoramica del settore
Presentare alcune problematiche di grande interesse ed i relativi metodi computazionali
Introdurre alcuni tools largamente utilizzati
Effettuare delle esercitazioni pratiche

Prerequisiti

Corso di base di modellistica matematica, statistica, programmazione, principi di farmacocinetica

Contenuti

Introduzione alla farmacometria
Modelli di farmacocinetica
Modelli di farmacodinamica
Modelli di popolazione
Time-to-event e modelli di sopravvivenza
- Programmazione
Elementi di R
-Tool
Monolix
NONMEM
Esercitazioni:
modelli di popPK
modelli PD e pop PD

Modalità di verifica dell'apprendimento

Esame orale con discussione dei casi di studio affrontati durante le esercitazioni

(SSD ING-INF/06; 66 ore, 9 CFU, Affine opzionale)

Obiettivi formativi

Il corso fornisce una panoramica generale su metodologie e tecniche per la realizzazione di sistemi distribuiti multi componente per la elaborazione delle informazioni, con particolare riguardo al contesto della Telemedicina.
Nell'ambito del corso si introduce un semplice ambiente che supporta lo scambio di messaggi asincroni fra sistemi distribuiti e si forniscono alcune applicazioni per illustrare come sia possibile ottenere l'integrazione di moduli in esecuzione su sistemi distinti. Si illustrano inoltre le tecnologie a supporto del lavoro di gruppo il cui uso e' da tempo entrato in ogni realta' professionale che si occupa di sviluppo del software.
Si richiede quindi agli Studenti che frequentano il corso di utilizzare queste metodologie e tecniche cimentandosi nello sviluppo di un prototipo di applicazione in linguaggio Java. Gli Studenti in previsione dell'appello dovranno formare dei gruppi di lavoro che adottano un approccio "agile" emulando quanto avviene correntemente in ambito professionale.

Prerequisiti

La condizione necessaria per seguire proficuamente il corso consiste nell'aver frequentato il modulo propedeutico "Fondamenti di Telemedicina" erogato nel semestre precedente. In particolare si richiede di avere acquisito le conoscenze di base impartite da tale corso e di averne sostenuto con successo la relativa prova di appello.
Il corso "Progetto di Sistemi di Telemedicina" richiede infatti una solida conoscenza e una discreta pratica relativa ai concetti fondamentali connessi con la programmazione (i.e. variabili, espressioni, istruzioni, blocchi, funzioni/metodi, espressioni logiche e strutture di controllo) abbinate alla capacita' di saper codificare algoritmi e realizzare applicazioni Object Oriented declinate nel contesto Java. Il corso ha una forte componente applicativa e fa uso dello stesso ambiente di sviluppo precedentemente introdotto durante il modulo "Fondamenti di Telemedicina".
Si richiede infine una conoscenza di base relativa al funzionamento degli elaboratori (sistemi operativi, processi, gestione della memoria e memoria virtuale, canali di I/O, connettivita' di rete, etc...).

Contenuti

Il corso prevede, sin dal suo inizio, una stretta alternanza fra lezioni in cui vengono esposti concetti metodologici (i.e. Object Orientation, Team Work, Software Design Patterns, Modellazione UML, Elaborazione Concorrente, Sistemi Distribuiti, Agenti, etc...) ed esercitazioni in cui lo studente e' chiamato ad applicarli elaborando gli esempi proposti e sviluppando un proprio progetto.
Sistemi di Versioning e di Team Work
Si fornisce una generica introduzione ai sistemi di versioning e di supporto al lavoro di gruppo motivandone la necessita'. Successivamente si illustra nel dettaglio il modello adottato da GIT che ormai rappresenta uno standard in ambito professionale attraverso diversi esempi di funzionamento svolti in classe. GIT viene utilizzato costantemente nel corso dell'intero semestre sia come sistema per la distribuzione degli esercizi e del codice su cui lavorare, sia come strumento per la condivisione del lavoro svolto all'interno dei gruppi.
Ambiente di Sviluppo
Si fornisce una illustrazione dell'ambiente software appositamente realizzato per il corso e che viene utilizzato dagli studenti per la realizzazione dei loro prototipi di Sistemi Distribuiti Multi Agente. Sono previsti anche alcuni richiami alla Programmazione ad Ogetti con particolare riferimento al linguaggio Java volti ad approfondire aspetti funzionali alla successiva realizzazione del progetto.
Programmazione Concorrente
Vengono illustrati i principi di Elaborazione Concorrente, riprendendo quanto eventualmente gia' visto nel corso della parte propedeutica di "Fondamenti di Telemedicina". Viene introdotto il concetto di Processo e confrontato con quello di Thread. Infine vengono illustrate le primitive che devono essere utilizzate per coordinare l'esecuzione dei vari Thread all'interno di una applicazione con elaborazione concorrente realizzata in Linguaggio java.
Esercitazioni in Aula
Per ogni argomento trattato e' prevista l'illustrazione di diversi esempi. In particolare si forniranno anche diverse applicazioni di sistemi con il duplice scopo di analizzarne il codice ed illustrare le funzionalita' della libreria applicativa che consente di interagire con un broker per lo scambio dei messaggi di interazione. Tuttavia esse costituiranno anche la base per un richiamo all'uso del linguaggio di programmazione Java e ai principi di buona progettazione del software.

Modalità di verifica dell'apprendimento

Gli Studenti formano dei gruppi per realizzare un progetto in linguaggio Java basato sulle metodologie e tecnologie Object Oriented apprese nel propedeutico modulo "Fondamenti di Telemedicina", integrato con gli aspetti relativi alla elaborazione concorrente e al Team work che sono oggetto del presente modulo "Progetto di Sistemi di Telemedicina".

Il gruppo deve fornire inizialmente le specifiche del proprio progetto descrivendole tramite una relazione che faccia uso di diagrammi UML. Successivamente i vari componenti del gruppo si suddividono i compiti di sviluppo e ciascuno realizza individualmente la propria parte che deve inserirsi nel disegno unitario del progetto fornito tramite il documento di specifiche.

In sede di valutazione finale viene analizzato il documento di specifiche prodotto, il codice realizzato e si chiede di illustrare il funzionamento del sistema tramite una dimostrazione. Si deve quindi sostenere una prova pratica comparativa nel corso della quale a ciascuno Studente viene chiesto individualmente di apportare alcune modifiche di funzionalita su una copia del progetto.

Il voto viene assegnato al termine della prova pratica individuale in cui viene richiesto a ciascuno Studente di modificare alcune funzionalita del progetto realizzato in gruppo.

(SSD ING-INF/06; 74 ore, 6 CFU, Affine opzionale)

Obiettivi formativi

Il corso si propone di fornire allo studente le competenze necessarie per orientarsi nel mondo della farmacometria.
Dare una panoramica del settore
Presentare alcune problematiche di grande interesse ed i relativi metodi computazionali
Introdurre alcuni tools largamente utilizzati
Effettuare delle esercitazioni pratiche

Prerequisiti

Corso di base di modellistica matematica, statistica, programmazione, principi di farmacocinetica

Contenuti

Introduzione alla farmacometria
Modelli di farmacocinetica
Modelli di farmacodinamica
Modelli di popolazione
Time-to-event e modelli di sopravvivenza
- Programmazione
Elementi di R
-Tool
Monolix
NONMEM

Esercitazioni:
modelli di popPK
modelli PD e pop PD

Modalità di verifica dell'apprendimento

Esame orale con discussione dei casi di studio affrontati durante le esercitazioni

Obiettivi formativi

Il corso si propone di fornire allo studente gli elementi di base per la gestione delle tecnologie dell'informazione e della comunicazione (ICT) in ambito sanitario. A questo scopo vengono esaminate alcune delle tecnologie più diffuse e sono presentate alcune metodologie utili durante le diverse fasi della gestione. Ciascun argomento è sviluppato attraverso l’analisi e la discussione di casi concreti.

Prerequisiti

Nozioni di sistemi operativi, database, reti dati e security, TCP/IP.

Modalità di verifica dell'apprendimento

Prova scritta

Modulo: Gestione delle tecnologie sanitarie Mod. A

(SSD ING-IND/35; 23 ore, 3 CFU, Affine opzionale)

Contenuti

1. Introduzione Le fasi della gestione; l’ambito sanitario; panoramica di tecnologie e metodologie.
2. Tecnologie
Storage: architetture RAID;
DBMS relazionali: database e istanza;
reti dati: cablaggio strutturato; nozioni di TCP/IP: subnetting, routing, ARP, DHCP, switched Ethernet, wireless LAN;
architetture applicative: centralizzata, client / server, distribuita, servizio DNS, servizio di directory;
Firewall e security, IDS e IPS, VLAN, NAT, proxy, VPN;
Cluster: meccanismi di funzionamento e tipologie;cenni sulla virtualizzazione
3. Gestione
Concetti di SLA, availability, security e performance;
progettazione di una soluzione tecnologica: considerazioni tecniche, TCO, contratti informatici;
esercitazioni: esempi di dimensionamento e restore di database, architetture per l’accesso a Internet;
Concetto di processo, cenni di project management.

Modulo: Gestione delle tecnologie sanitarie Mod. B

(SSD ING-IND/35; 23 ore, 3 CFU, Affine opzionale)

Contenuti

Principali argomenti:
1. Dispositivi medici (validazione e gestione - HTA)
2. Ingegneria clinica
3. Salute e sicurezza occupazionale
4. Radiazioni ionizzanti