L'obiettivo di DeepHealth è offrire un framework unificato per sfruttare le architetture HPC e Big Data eterogenee sottostanti e assemblato con tecniche all'avanguardia in Deep Learning e Computer Vision.

Responsabili Scientifici: Prof. Paolo FONIO - Dott. Marco GROSSO

----------------------------------------------------------------

L'assistenza sanitaria è uno dei settori chiave dell'economia globale, in particolare in Europa, dove raggiunge il 9% del PIL medio. Qualsiasi miglioramento nei sistemi sanitari ha un forte impatto sul welfare, in particolare in Europa. Il settore sanitario beneficia, direttamente o indirettamente, della maggior parte dei progressi scientifici e tecnologici, anche da quelli sviluppati per altri settori non legati alla salute. L'uso di tecnologie nel campo della salute è chiaramente una grande spinta verso un'assistenza sanitaria più efficiente, a beneficio delle persone e dei bilanci dei servizi sanitari nazionali. I sistemi europei di sanità pubblica stanno generando grandi serie di dati di immagini biomediche poiché molti esami medici utilizzano processi basati sull'immagine; questi set di dati sono in continua crescita e costituiscono un grande database di conoscenza non sfruttato poiché la maggior parte del suo valore deriva dalle interpretazioni degli esperti. Per promuovere l'innovazione e il miglioramento dell'eHealth in Europa, il progetto Rad4AI, branca italiana del progetto europeo DeepHealth, promuove lo sviluppo di software standardizzati per manipolare ed elaborare le immagini in un modo più efficiente per aumentare la produttività dei professionisti che lavorano su immagini biomediche. Sfruttando la solidità della comunità scientifica torinese e le risorse HPC4AI della Regione Piemonte (high performance computer), Rad4AI affronta la sfida e-Health proponendo una soluzione ibrida HPC + Big Data per supportare in modo efficiente algoritmi Deep Learning di ultima generazione per migliorare le piattaforme software mediche europee.

Il progetto Deep-Learning e HPC to Boost Biomedical Applications for Health (DeepHealth) è finanziato dalla CE nell'ambito dell'azione ICT-11-2018-2019 "HPC and Big Data enabled Large-scale Test-beds and Applications". DeepHealth è un progetto di 3 anni, iniziato a metà gennaio 2019 si concluderà a giugno 2022. In particolare, il progetto combina infrastrutture di High-Performance Computing (HPC) con tecniche di Deep Learning (DL) e di Intelligenza Artificiale (AI) per supportare applicazioni biomediche che richiedono l'analisi di dataset biomedici grandi e complessi e, quindi, modi nuovi e più efficienti di diagnosi, monitoraggio e cura delle malattie. Il progetto prevede eventi di disseminazione, “Deephealth Piedmont Branch-the clinical experience” farà il punto, con la partnership europea, sulle conoscenze acquisite nel corso della sperimentazione.

--------------------------------------------------------------------------------------------------------------

Il corso si svolgerà in modalità WEBINAR venerdì 4 marzo 2022 dalle 08:30 alle 13:00.

A ciascun partecipante verrà inviato via mail il link per collegarsi alla stanza virtuale tramite piattaforma WEBEX.

Il corso è accreditato per:

• Medico Chirurgo (tutte le discipline)
• Farmacista (Farmacia territoriale; Farmacia ospedaliera)
• Tecnico sanitario di Radiologia Medica
• Fisico

Sono disponibili 500 posti.

La partecipazione all'evento è GRATUITA.

Si ricorda che ai fini dell’acquisizione dei crediti formativi ECM  e relativo invio dell’attestato è obbligatorio:

• aver preso parte all'intero evento formativo (90% del monte ore totale)
• aver compilato la documentazione che verrà fornita in ogni sua parte
• aver superato la prova di apprendimento mediante questionario di valutazione ECM (score necessario del 75%)

Codice Evento: 173-341048

Crediti ECM previsti: 6

PER ISCRIZIONI: https://www.medtorino.unito.it/eventiecm/?event=deephealth-piedmont-branch-the-clinical-experience-webinar