Ricevimento e Altre Informazioni

Su appuntamento

A. A. 2012 / 2013
Primo Semestre
SSD: MED/05
CFU: 2
Dipartimento: Dipartimento di Scienze della Salute
Secondo Semestre
SSD: MED/05
CFU: 1
Dipartimento: Dipartimento di Scienze della Salute
SSD: MED/05
CFU: 5
Dipartimento: Dipartimento di Scienze della Salute
A. A. 2013 / 2014
Primo Semestre
SSD: MED/05
CFU: 2
Dipartimento: Dipartimento di Scienze della Salute
Secondo Semestre
SSD: MED/05
CFU: 1
Dipartimento: Dipartimento di Scienze della Salute
A. A. 2014 / 2015
Primo Semestre
SSD: MED/05
CFU: 2
Dipartimento: Dipartimento di Scienze della Salute
Secondo Semestre
A. A. 2015 / 2016
Secondo Semestre
A. A. 2016 / 2017
Annuale
SSD: M
CFU: 1
Dipartimento: Dipartimento di Scienze della Salute
SSD: M
CFU: 1
Dipartimento: Dipartimento di Scienze della Salute
SSD: M
CFU: 1
Dipartimento: Dipartimento di Scienze della Salute
SSD: M
CFU: 1
Dipartimento: Dipartimento di Medicina Traslazionale
SSD: M
CFU: 1
Dipartimento: Dipartimento di Medicina Traslazionale
SSD: M
CFU: 1
Dipartimento: Dipartimento di Medicina Traslazionale
Secondo Semestre
A. A. 2017 / 2018
Secondo Semestre
SSD: M
CFU: 1
Dipartimento: Dipartimento di Scienze della Salute
A. A. 2018 / 2019
Primo Semestre
SSD: M
CFU: 2
Dipartimento: Dipartimento di Scienze della Salute
Secondo Semestre
SSD: M
CFU: 2
Dipartimento: Dipartimento di Medicina Traslazionale
SSD: M
CFU: 1
Dipartimento: Dipartimento di Scienze della Salute
A. A. 2020 / 2021
Annuale
SSD: M
CFU: 1
Dipartimento: Dipartimento di Medicina Traslazionale
SSD: M
CFU: 2
Dipartimento: Dipartimento di Medicina Traslazionale
SSD: M
CFU: 1
Dipartimento: Dipartimento di Medicina Traslazionale
SSD: M
CFU: 1
Dipartimento: Dipartimento di Medicina Traslazionale
SSD: M
CFU: 2
Dipartimento: Dipartimento di Scienze della Salute
SSD: M
CFU: 4
Dipartimento: Dipartimento di Scienze della Salute
SSD: M
CFU: 3
Dipartimento: Dipartimento di Scienze della Salute
SSD: M
CFU: 3
Dipartimento: Dipartimento di Scienze della Salute
SSD: M
CFU: 9
Dipartimento: Dipartimento di Scienze della Salute
SSD: M
CFU: 1
Dipartimento: Dipartimento di Scienze della Salute
SSD: M
CFU: 1
Dipartimento: Dipartimento di Scienze della Salute
SSD: M
CFU: 1
Dipartimento: Dipartimento di Scienze della Salute
Primo Semestre
SSD: M
CFU: 2
Dipartimento: Dipartimento di Scienze della Salute
Secondo Semestre
SSD: M
CFU: 2
Dipartimento: Dipartimento di Medicina Traslazionale
SSD: M
CFU: 3
Dipartimento: Dipartimento di Scienze della Salute
SSD: M
CFU: 1
Dipartimento: Dipartimento di Scienze della Salute
SSD: M
CFU: 5
Dipartimento: Dipartimento di Scienze della Salute
A. A. 2021 / 2022
Annuale
SSD: M
CFU: 1
Dipartimento: Dipartimento di Medicina Traslazionale
SSD: M
CFU: 1
Dipartimento: Dipartimento di Medicina Traslazionale
SSD: M
CFU: 2
Dipartimento: Dipartimento di Medicina Traslazionale
SSD: M
CFU: 1
Dipartimento: Dipartimento di Medicina Traslazionale
SSD: M
CFU: 1
Dipartimento: Dipartimento di Medicina Traslazionale
SSD: M
CFU: 2
Dipartimento: Dipartimento di Scienze della Salute
SSD: M
CFU: 1
Dipartimento: Dipartimento di Scienze della Salute
SSD: M
CFU: 5
Dipartimento: Dipartimento di Scienze della Salute
SSD: M
CFU: 4
Dipartimento: Dipartimento di Scienze della Salute
SSD: M
CFU: 3
Dipartimento: Dipartimento di Scienze della Salute
SSD: M
CFU: 1
Dipartimento: Dipartimento di Scienze della Salute
SSD: M
CFU: 1
Dipartimento: Dipartimento di Scienze della Salute
Primo Semestre
SSD: M
CFU: 2
Dipartimento: Dipartimento di Scienze della Salute
Secondo Semestre
SSD: M
CFU: 2
Dipartimento: Dipartimento di Medicina Traslazionale
SSD: M
CFU: 3
Dipartimento: Dipartimento di Scienze della Salute
SSD: M
CFU: 5
Dipartimento: Dipartimento di Scienze della Salute
A. A. 2019 / 2020
Primo Semestre
SSD: M
CFU: 2
Dipartimento: Dipartimento di Scienze della Salute
Secondo Semestre
SSD: M
CFU: 2
Dipartimento: Dipartimento di Medicina Traslazionale
SSD: M
CFU: 1
Dipartimento: Dipartimento di Scienze della Salute
SSD: M
CFU: 5
Dipartimento: Dipartimento di Scienze della Salute
A. A. 2023 / 2024
Primo Semestre
SSD: M
CFU: 5
Dipartimento: Dipartimento di Scienze della Salute
Secondo Semestre
SSD: M
CFU: 2
Dipartimento: Dipartimento di Medicina Traslazionale
SSD: M
CFU: 3
Dipartimento: Dipartimento di Scienze della Salute
A. A. 2022 / 2023
Primo Semestre
SSD: M
CFU: 5
Dipartimento: Dipartimento di Scienze della Salute
Secondo Semestre
SSD: M
CFU: 2
Dipartimento: Dipartimento di Medicina Traslazionale
SSD: M
CFU: 3
Dipartimento: Dipartimento di Scienze della Salute

Pubblicazioni

Ricerca

Medicina di laboratorio, Big Data & Intelligenza Artificiale

L’attività di ricerca viene svolta presso S.C.D.U.  Laboratorio di Ricerche Chimico Cliniche - AOU Maggiore della Carità - NOVARA, in particolare nei settori di alta specializzazione di Biochimica Specialistica, Coagulazione Specialistica, Ematologia Specialistica e di Diagnostica Molecolare. In tali settori viene svolta ricerca applicata, basata sull’osservazione critica dei dati analitici, al fine di ridisegnare e migliorare ogni giorno i criteri con cui si produce il dato analitica, alla base di tutta la diagnostica clinica. Questo tipo di ricerca richiede alta concentrazione e grande capacità critico analitica, dal momento che vengono giornalmente prodotti in laboratorio migliaia di dati (Big Data) di pazienti con patologie estremamente eterogenee tra loro. La ricerca applicata in Medicina di Laboratorio è quindi estremamente poliedrica, dinamica ed in divenire.

La ricerca nell'ambito della Medicina di Laboratorio ha segnato e continuerà a segnare la storia della medicina, dal momento che la sua scrupolosa applicazione permette di ridisegnare e migliorare ogni giorno i criteri con cui si produce il dato analitica, alla base di tutta la diagnostica clinica. La ricerca applicata di laboratorio ha inoltre il fondamentale scopo di verificare la trasferibilità, in ambito diagnostico, delle nuove scoperte, adeguatamente formalizzate nella ricerca di base e di valutarne l’impatto economico sul sistema sanitario nazionale.

L'evoluzione delle tecnologie digitali in Medicina di Laboratorio sta dando luogo a una trasformazione epocale, conferendo al patologo clinico un ruolo ancor più cruciale e determinante e maggiormente integrato nel processo clinico-diagnostico. L'impiego del Machine Learning e di algoritmi di intelligenza artificiale stanno infatti rivoluzionando la gestione, l'integrazione e l'analisi dei Big Data. Con queste tecnologie emergenti il patologo clinico non solo può raccogliere ed analizzare una vasta quantità di dati, ma anche utilizzare l'intelligenza artificiale per identificare patterns e correlazioni al di là delle capacità umane tradizionali, aprendo la strada ad un approccio ancora più personalizzato e predittivo nella gestione della salute. 
Inoltre, l'integrazione di queste nuove tecnologie digitali in Medicina di Laboratorio potrà (1) consentire una maggiore collaborazione tra gli operatori sanitari, migliorando la comunicazione e la condivisione delle informazioni e (2) generare insight più approfonditi, rivoluzionando la ricerca medica e contribuendo alla scoperta di nuove terapie e trattamenti.
L'evoluzione delle tecnologie digitali in Medicina di Laboratorio insieme alla potenza analitica delle nuove tecnologie, sta aprendo la strada a una medicina più personalizzata , efficace ed efficiente.


L’innovazione nasce dalla ricerca di base, cresce nella ricerca applicata e diventa prodotto sociale nella ricerca industriale. Qualunque società avanzata che ignora questo processo è destinata a scomparire.

*****************************************************************************************************************************************************************************

Laboratory Medicine, Big Data & Artificial Intelligence

Research is carried out at the S.C.D.U. Laboratory for Clinical Chemistry Research - AOU Maggiore della Carità - NOVARA, particularly in the highly specialized fields of Specialist Biochemistry, Specialist Coagulation, Specialist Hematology, and Molecular Diagnostics. Applied research is carried out in these areas, based on the critical observation of analytical data and aimed at redesigning and improving the criteria for the production of analytical data that form the basis for daily clinical diagnostics. This type of research requires high concentration and great critical analytical skills, as thousands of data points (Big Data) are generated daily in the laboratory from patients with extremely diverse pathologies. Applied research in laboratory medicine is therefore extremely multifaceted, dynamic and constantly evolving.

Research in the field of Laboratory Medicine has shaped and will continue to shape the history of medicine, because its careful application makes it possible to redesign and improve the criteria used to generate the analytical data that form the basis of all clinical diagnostics. Applied laboratory research also has the fundamental purpose of verifying the transferability of new discoveries, sufficiently formalized in basic research, in diagnostics and evaluating their economic impact on the national health system.

The development of digital technologies in Laboratory Medicine is leading to an epochal change that assigns an even more important and decisive role to the clinical pathologist, who is more integrated into the clinical-diagnostic process. The use of machine learning algorithms and artificial intelligence is revolutionizing the management, integration and analysis of Big Data. With these new technologies, the clinical pathologist can not only collect and analyze vast amounts of data, but also use artificial intelligence to identify patterns and correlations that go beyond traditional human capabilities, paving the way for an even more personalized and predictive approach to healthcare management. In addition, the integration of these new digital technologies in laboratory medicine can (1) enable better collaboration between healthcare providers, improving communication and information sharing, and (2) enable deeper insights that revolutionize medical research and contribute to the discovery of new therapies and treatments. The development of digital technologies in Laboratory Medicine, together with the analytical power of new technologies, is paving the way for more personalized, effective and efficient medicine.

Innovation arises from basic research, grows through applied research and becomes a social product in industrial research. Any progressive society that ignores this process is destined to disappear.