Modulo 1

Modulo 1
Il Dato Biomedico Digitale: Dalla Generazione all’Uso Clinico e Computazionale

Ponendosi l’obiettivo di fornire strumenti per la comprensione e la gestione del dato, e dovendo quindi partire dalle basi, l’inizio sarà incentrato sull’esplorazione delle diverse tipologie di dati che si possono incontrare nel settore biomedico, includendo dati clinici strutturati e non. Sarà aperta inoltre una sezione sui i dati provenienti dai diversi dispositivi: indossabili, 
Internet of Medical Things (IoMT) e sensori ambientali; non può mancare un’introduzione ai Big Data sanitari, alle loro principali caratteristiche e le loro potenzialità in ambito clinico e di ricerca. 
Una volta chiarite le informazioni sulle tipologie di dato è necessario affrontare il percorso che i dati seguono, dalla loro origine fino all’utilizzo finale, includendo le fasi di raccolta, pre-processing, integrazione e utilizzo senza tralasciare le criticità nella gestione di grandi volumi di dati come ridondanze, inconsistenze e problemi di sincronizzazione. 
Il percorso dei dati termina nelle piattaforme digitali e sulle architetture di sistema che facilitano l'integrazione e l'analisi dei dati stessi. 
Rivestendo la sicurezza dei dati un ruolo fondamentale, si introdurranno argomenti come: accesso ai dati, pseudonimizzazione e minimizzazione. Inoltre, verranno delucidati i concetti chiave di cybersecurity, come autenticazione, crittografia e audit trail. 

Sarà infine necessaria un’introduzione sulla qualità dei dati, che è essenziale per garantire l'affidabilità delle soluzioni HealthTech. Verranno esplorate le dimensioni chiave della qualità dei dati, attraverso esempi pratici, verrà mostrato come la bassa qualità dei dati possa influenzare l'intelligenza artificiale e il supporto decisionale. A fronte di ciò seguiranno direttive su come valutare, tracciare e migliorare la qualità dei dati biomedici.
 

Contenuti

1. Tipologie di dato digitale in ambito biomedico
   • Dati clinici strutturati (electronic health record-EHR, vital signs, codifiche ICD/SNOMED)
   • Dati non strutturati (immagini, referti, testo libero)
   • Dati biologici e omici (genomica, proteomica, metabolomica)
   • Dati da dispositivi (wearable, IoMT, sensori ambientali)
   • Introduzione ai Big Data sanitari: definizione, caratteristiche (volume, varietà, velocità, veridicità) e potenzialità in ambito clinico e di ricerca
2. Pipeline del dato: dal segnale alla piattaforma
   • Origine → raccolta → pre-processing → integrazione → utilizzo
   • Strumenti e formati standard: HL7, FHIR, DICOM, CSV/JSON
   • Cenni su architetture di data lake e data warehouse biomedici
   • Criticità nella gestione di grandi moli di dati: ridondanze, inconsistenze, sincronizzazione
3. Piattaforme digitali e architetture di sistema
   • Piattaforme interoperabili per l’integrazione e l’analisi dei dati
   • Introduzione alle architetture cloud, edge e ibride
   • Esempi di ambienti di lavoro (e.g., Microsoft Azure for Health, Google Cloud Healthcare API, openEHR)
   • Biobanche 
4. Privacy, sicurezza e governance dei dati
   • Applicazione concreta di GDPR e Data Governance Act in ambito sanitario
   • Accesso, pseudonimizzazione, minimizzazione del dato
   • Concetti fondamentali di cybersecurity: autenticazione, crittografia, audit trail
   • Rischi reali e incidenti noti: cosa può andare storto e come evitarlo
5. Qualità del dato: base di ogni HealthTech affidabile
   • Dimensioni chiave della “data quality”: accuratezza, completezza, coerenza, tempestività
   • Esempi pratici di impatto della bassa qualità su AI e supporto decisionale
   • Come valutare, tracciare e migliorare la qualità dei dati biomedici
   • Focus su big data: validazione di dataset ad alto volume e origine multipla

Competenze attese a fine modulo

  •  Saper classificare e comprendere le principali fonti e tipologie di dati biomedici
  •  Comprendere le pipeline e le architetture di gestione dei dati sanitari
  •  Riconoscere i rischi legati a privacy, sicurezza e scarsa qualità
  •  Acquisire consapevolezza pratica sul ruolo dei big data in sanità
 

Obiettivi formativi

•  Analizzare le fonti e le tipologie di dati sanitari digitali
•  Comprendere il funzionamento delle pipeline dati in ambito biomedico
•  Valutare qualità, sicurezza, interoperabilità e compliance normativa
•  Conoscere gli strumenti per l’integrazione dei Big Data sanitari
   

Contenuti

1.  Dati clinici, biologici e da dispositivi: caratteristiche e differenze
2.  Pipeline: dal dato grezzo al dato pronto all’uso
3.  Infrastrutture digitali e piattaforme cloud per la gestione dati
4.  Big Data in medicina: opportunità e sfide
5.  Privacy, governance e cybersecurity
6.  Valutazione e miglioramento della qualità del dato

Attività pratica: Simulazione Pipeline Dati Biomedici 

Titolo: Dal dato al valore: costruzione guidata di una mini-pipeline clinico-biologica

Obiettivo operativo: Far collaborare professionisti di background diversi su un caso clinico simulato per progettare il flusso dati, identificare criticità e proporre soluzioni realistiche.

Caso simulato: Paziente con insufficienza respiratoria acuta, monitorato con sensori multiparametrici + dati di laboratorio + dati genomici.

Ruoli assegnati (gruppi):
  •  Medico: definisce i dati clinici rilevanti
  •  Biologo: integra biomarcatori, dati omici
  •  Ingegnere biomedico: struttura dei dispositivi e del dato acquisito
  •  Informatico sanitario: modella l’interoperabilità, privacy, architettura cloud

Step pratici:
1.    Identificare tutte le fonti dati coinvolte
2.    Costruire una mini-pipeline: da input a utilizzo clinico o computazionale
3.    Valutare qualità, sicurezza, rischi e compliance normativa

Strumenti: schede guida, griglia di valutazione qualità, infografiche

Output finale: presentazione della pipeline da parte di ciascun gruppo + discussione