Dall'idea all'analisi dei risultati in ricerca clinica, passando per la definizione del protocollo e la sua procedura autorizzativa

SENZA Riconoscimento ECM

Ha conseguito la laurea magistrale in ingegneria biomedica presso l'Università di Pisa nel 2009 e il dottorato di ricerca in Tecnologie innovative presso la Scuola Superiore Sant'Anna, Pisa, nel 2013 dove ha lavorato come ricercatore presso l'Istituto di Biorobotica fino al 2021. Si è quindi trasferito all'IRCCS Fondazione Don Carlo Gnocchi per coordinare le attività dell'Unità di Ricerca Intelligenza Artificiale e Bioingegneria per la Riabilitazione. Qui ha ricoperto anche il ruolo di Biostatistics & Data Science Officer, coordinando le attività di supporto ai ricercatori per progettazione e sviluppo di database REDCap, pipeline biostatistiche, validazione di algoritmi, elaborazione di dati biosegnali tra cui EEG, EMG e indossabili. I suoi interessi di ricerca hanno incluso finora metodi computazionali applicati a diversi campi di ricerca nella riabilitazione, tra cui l'analisi del movimento umano, il controllo delle protesi, la previsione degli esiti clinici e la stratificazione dei pazienti. Ha partecipato e coordinato unità in progetti di ricerca competitivi (finanziati dalla comunità europea, dal Ministero dell'Università, dal Ministero della Salute, dal Ministero della Difesa e da altri enti pubblici). Autore di >120 pubblicazioni indicizzate. Sulle tematiche del corso offerto, Andrea Mannini ha tenuto/tiene insegnamenti analoghi presso la Scuola Superiore Sant'Anna, l'Università di Pisa, l'Università di Firenze e la Fondazione Don Carlo Gnocchi.

Il corso propone un percorso introduttivo e applicativo sulle principali fasi della ricerca clinica data-driven, dalla definizione del protocollo di studio alla costruzione del database, fino all’analisi statistica e all’uso di modelli di machine learning in ambito clinico. Nella prima parte verranno affrontati i temi legati all’acquisizione del dato clinico, con attenzione alla formulazione del quesito di ricerca, al disegno di studio, alla definizione delle variabili, alla qualità del dato e alla procedura autorizzativa. Seguirà un modulo dedicato al database di ricerca clinica, con introduzione pratica a REDCap, focalizzato sulla progettazione delle CRF elettroniche, sul data dictionary, sui controlli di qualità e sulla gestione operativa della raccolta dati. Il corso offrirà inoltre cenni ai principali metodi di analisi biostatistica classica per i trial clinici, includendo dimensionamento del campione, statistica descrittiva e inferenziale, confronto tra gruppi e interpretazione dei risultati. Una parte più avanzata sarà dedicata al passaggio dalle statistiche di gruppo alle valutazioni a livello di soggetto, approfondendo i criteri di validazione dei metodi di machine learning, la generalizzazione dei modelli, le metriche di performance, la cross-validation e i principali rischi metodologici, come overfitting e leakage e le metodologie per risolverle come la regolarizzazione. Il percorso si concluderà con un modulo sull’interpretabilità dei modelli, intesa come elemento essenziale per l’usabilità clinica delle soluzioni di intelligenza artificiale. L’impostazione didattica sarà costantemente orientata alla pratica: ogni modulo prevede esercitazioni guidate, analisi di casi e discussione di esempi applicativi, con l’obiettivo di fornire ai partecipanti strumenti utili per comprendere, progettare e valutare in modo critico studi clinici e soluzioni analitiche avanzate.

Corso di alta formazione (post laurea, professionalizzante); corso a livello dottorale (si prevede test di valutazione finale).

5 - 30