Obiettivo Nazionale ECM

Obiettivo generale

Conoscere ed utilizzare i principali applicativi di intelligenza artificiale a supporto del ricercatore per la generazione e la sintesi di evidenze

Obiettivi specifici

• Conoscere vantaggi e limiti dell’intelligenza artificiale per la ricerca clinica 
• Conoscere i princìpi e gli ambiti di applicazione dell’intelligenza artificiale per la generazione delle evidenze
• Conoscere i princìpi e gli ambiti di applicazione dell’intelligenza artificiale per la sintesi delle evidenze
• Conoscere i princìpi e gli ambiti di applicazione dell’intelligenza artificiale per l’editing e publishing
• Conoscere ed utilizzare applicativi di intelligenza artificiale open source da utilizzare per la gestione dei dataset, lo screening di articoli e l’editing e publishing di un articolo scientifico

Il corso affronterà inoltre questioni cruciali come le implicazioni etiche, la trasparenza dei dati e gli standard normativi, garantendo ai partecipanti una preparazione non solo tecnica, ma anche consapevole delle sfide più ampie legate all’uso dell’AI. 

GIORNO 1

09.00 - 09.30 Aspetti Generali

• Cenni storici
• Definizione di intelligenza artificiale
• Classificazione e tipologie di intelligenza artificiale
• Bias nei dati e negli algoritmi e strategie per mitigarli
• Trasparenza e interpretabilità dei modelli
• Potenziali Impatti dell'intelligenza artificiale nella ricerca clinica

• Introduzione al machine learning: regressione, classificazione, clustering
• Large Language Models e Large Multimodal Models
• Introduzione al prompting
• Introduzione a ChatGPT 
• Applicazioni pratiche dell'intelligenza artificiale generativa nella ricerca clinica 

• Real world data, big data, open data
• Utilizzo dell'intelligenza artificiale negli studi primari
• L’ intelligenza artificiale come supporto nella progettazione dello studio 
• Intelligenza artificiale per il monitoraggio e la raccolta dei dati
• intelligenza artificiale a supporto dell’analisi dei dati 
  • Pulizia e normalizzazione dei dataset 
  • Data augmentation e qualità dei dati
• Strumenti di supporto decisionale
• Modelli predittivi e applicazioni nella ricerca clinica
• Limiti e sfide

• Esercitazione guidata sulle tecniche di prompting e verifica degli output
• Gestione e pulizia di un dataset con l’ausilio in un software open source di intelligenza artificiale

• Prova pratica e discussione dei risultati

 

GIORNO 2

09.00 - 11.00 Intelligenza artificiale per la sintesi delle evidenze

• Applicazione dell'intelligenza artificiale nella ricerca secondaria: revisioni sistematiche con metanalisi e linee guida
• L’utilizzo dell’intelligenza artificiale a supporto di:
  • Creazione della stringa di ricerca
  • Screening degli articoli
  • Estrazione dei dati
  • Sintesi dei dati
• Software e strumenti disponibili per i ricercatori
• Limiti e sfide

 

11.00 - 11.30 Pausa

 

11.30 - 12.30 Intelligenza artificiale per l’editing e publishing

• L’utilizzo dell’intelligenza artificiale a supporto della stesura di un articolo scientifico 
  • Abstract e plain language summaries
  • Messaggi e parole chiave
• Rilevamento di plagio e controllo dell'originalità del testo 
• L’intelligenza artificiale per individuare la rivista target
• Strumenti di intelligenza artificiale per la gestione del workflow editoriale

 

12.30 - 13.00 Aspetti normativi ed etici

• Considerazioni etiche sull'uso dell'intelligenza artificiale nella ricerca clinica
• Normative europee e internazionali per l'utilizzo dell' intelligenza artificiale in ambito sanitario

 

13.00 - 14.00 Pausa 

 

14.00 – 17.30 Esecuzione diretta da parte di tutti i partecipanti di attività pratiche

• Utilizzo di uno strumento di intelligenza artificiale per supportare lo screening della letteratura in una revisione sistematica
• Utilizzo di uno strumento di intelligenza artificiale per supportare la stesura di un articolo scientifico

 

17.30 – 18.00 Valutazione dell’apprendimento

• Prova pratica e discussione dei risultati

 RES INTERATTIVA

• Serie di relazioni su tema preordinato
• Dimostrazioni tecniche senza esecuzione diretta da parte dei partecipanti
• Lavoro a piccoli gruppi su problemi e casi clinici con produzione di rapporto finale da discutere con esperto
• Esecuzione diretta da parte di tutti i partecipanti di attività pratiche o tecniche

•  

• VALUTAZIONE CON PROVA PRATICA

  La valutazione dell’apprendimento viene effettuata con prove pratiche: produzione/elaborazione di un documento