Giorgetti, Luca
(2024)
Grafi di conoscenza per la modellazione della conoscenza: sviluppo di un prototipo in ambito oncologico.
[Laurea magistrale], Università di Bologna, Corso di Studio in
Ingegneria e scienze informatiche [LM-DM270] - Cesena, Documento ad accesso riservato.
Documenti full-text disponibili:
|
Documento PDF (Thesis)
Full-text accessibile solo agli utenti istituzionali dell'Ateneo
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato
Download (1MB)
| Contatta l'autore
|
Abstract
Negli ultimi anni, la crescita esponenziale dei dati e la maggiore disponibilità di potenza di calcolo hanno trasformato la tipologia di analisi dei dati, passando dai dati semplici ai big data.
Questo cambiamento ha coinvolto anche l’ambito sanitario, in cui l’utilizzo dei big data, assieme alle tecniche di intelligenza artificiale e all'utilizzo dei grafi di conoscenza offre nuove opportunità per supportare la ricerca, la diagnosi, il trattamento e la gestione delle malattie.
Tuttavia, l'uso di big data sanitari presenta sfide significative riguardanti la privacy, la conformità alle normative normativa e l'eticità delle informazioni: caratteristiche come affidabilità, trasparenza delle informazioni, explainability, interpretability e standardizzazione sono fondamentali affinché la conoscenza ottenuta dai sistemi di AI possa essere sfruttata in ambito sanitario.
L’utilizzo dei knowledge graph, dell’inferenza e delle ontologie, permette di spiegare da dove derivano le informazioni inferite, consentendo di andare nella direzione della Comprehensible AI.
L'obiettivo della tesi è di analizzare in ambito sanitario quelle che sono le esigenze a livello normativo, di sicurezza, di fiducia e di eticità per poi verificare come i grafi di conoscenza possano portare ad un miglioramento delle cure oncologiche, fornendo strumenti avanzati a medici e ricercatori.
Il prototipo di grafo di conoscenza prodotto fa parte di Cancer Virtual Lab, un progetto che mira a dare uno strumento di supporto informatico ai ricercatori dell’IRST, l’Istituto Romagnolo per lo Studio dei Tumori "Dino Amadori”. Attraverso l'analisi di dati anonimizzati di pazienti oncologici e l'applicazione di algoritmi di AI e machine learning, il prototipo di knowledge graph sviluppato consente di integrare e interpretare semanticamente le informazioni, generando nuove conoscenze e supportando la ricerca in letteratura di articoli correlati alla storia dei pazienti.
Abstract
Negli ultimi anni, la crescita esponenziale dei dati e la maggiore disponibilità di potenza di calcolo hanno trasformato la tipologia di analisi dei dati, passando dai dati semplici ai big data.
Questo cambiamento ha coinvolto anche l’ambito sanitario, in cui l’utilizzo dei big data, assieme alle tecniche di intelligenza artificiale e all'utilizzo dei grafi di conoscenza offre nuove opportunità per supportare la ricerca, la diagnosi, il trattamento e la gestione delle malattie.
Tuttavia, l'uso di big data sanitari presenta sfide significative riguardanti la privacy, la conformità alle normative normativa e l'eticità delle informazioni: caratteristiche come affidabilità, trasparenza delle informazioni, explainability, interpretability e standardizzazione sono fondamentali affinché la conoscenza ottenuta dai sistemi di AI possa essere sfruttata in ambito sanitario.
L’utilizzo dei knowledge graph, dell’inferenza e delle ontologie, permette di spiegare da dove derivano le informazioni inferite, consentendo di andare nella direzione della Comprehensible AI.
L'obiettivo della tesi è di analizzare in ambito sanitario quelle che sono le esigenze a livello normativo, di sicurezza, di fiducia e di eticità per poi verificare come i grafi di conoscenza possano portare ad un miglioramento delle cure oncologiche, fornendo strumenti avanzati a medici e ricercatori.
Il prototipo di grafo di conoscenza prodotto fa parte di Cancer Virtual Lab, un progetto che mira a dare uno strumento di supporto informatico ai ricercatori dell’IRST, l’Istituto Romagnolo per lo Studio dei Tumori "Dino Amadori”. Attraverso l'analisi di dati anonimizzati di pazienti oncologici e l'applicazione di algoritmi di AI e machine learning, il prototipo di knowledge graph sviluppato consente di integrare e interpretare semanticamente le informazioni, generando nuove conoscenze e supportando la ricerca in letteratura di articoli correlati alla storia dei pazienti.
Tipologia del documento
Tesi di laurea
(Laurea magistrale)
Autore della tesi
Giorgetti, Luca
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
grafi di conoscenza,knowledge graph,eXplainable Ai,Comprehensible AI,AI Act,explainability,interpretability,trust
Data di discussione della Tesi
18 Luglio 2024
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Giorgetti, Luca
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
grafi di conoscenza,knowledge graph,eXplainable Ai,Comprehensible AI,AI Act,explainability,interpretability,trust
Data di discussione della Tesi
18 Luglio 2024
URI
Statistica sui download
Gestione del documento: