Rinaldi, Simone
(2025)
Sviluppo di un agente AI per il supporto
alla ricerca oncologica.
[Laurea magistrale], Università di Bologna, Corso di Studio in
Informatica [LM-DM270], Documento full-text non disponibile
Il full-text non è disponibile per scelta dell'autore.
(
Contatta l'autore)
Abstract
L’Intelligenza Artificiale (AI) ha smesso di essere una promessa futuristica per diventare
una forza trasformativa che sta rimodellando ogni aspetto della nostra società. Dalle interazioni quotidiane con assistenti virtuali alla gestione di catene di approvvigionamento
globali, fino all’automazione di processi industriali, l’AI sta agendo come un potente acceleratore di innovazione e progresso. La sua capacità di analizzare quantità immense di
dati, riconoscere pattern invisibili all’occhio umano e automatizzare compiti complessi
rappresenta non solo un’evoluzione tecnologica, ma una vera e propria rivoluzione culturale e scientifica. In ambito oncologico, la gestione e l’analisi dei dati clinici dei pazienti
generano una complessità senza precedenti. Ogni giorno vengono prodotti e archiviati
nuovi dati: cartelle cliniche, risultati di esami, informazioni genomiche e proteomiche,
terapie somministrate, esiti dei trattamenti e annotazioni mediche. Queste informazioni,
custodite nei database dell’ospedale oncologico, costituiscono una risorsa di conoscenza
fondamentale per la ricerca e la pratica clinica, ma la loro eterogeneità e volume rendono
difficile per il singolo ricercatore estrarre rapidamente insight rilevanti. Le scoperte cruciali spesso si nascondono nelle connessioni tra dati provenienti da fonti e contesti diversi:
il profilo genetico di un paziente, la risposta a una terapia innovativa, l’andamento di
un marker biologico nel tempo. La sfida consiste quindi nel fornire ai ricercatori uno
strumento capace di supportarli nell’esplorazione di questi database complessi, facilitando l’identificazione di pattern, correlazioni e informazioni utili per la ricerca clinica e
scientifica.
Abstract
L’Intelligenza Artificiale (AI) ha smesso di essere una promessa futuristica per diventare
una forza trasformativa che sta rimodellando ogni aspetto della nostra società. Dalle interazioni quotidiane con assistenti virtuali alla gestione di catene di approvvigionamento
globali, fino all’automazione di processi industriali, l’AI sta agendo come un potente acceleratore di innovazione e progresso. La sua capacità di analizzare quantità immense di
dati, riconoscere pattern invisibili all’occhio umano e automatizzare compiti complessi
rappresenta non solo un’evoluzione tecnologica, ma una vera e propria rivoluzione culturale e scientifica. In ambito oncologico, la gestione e l’analisi dei dati clinici dei pazienti
generano una complessità senza precedenti. Ogni giorno vengono prodotti e archiviati
nuovi dati: cartelle cliniche, risultati di esami, informazioni genomiche e proteomiche,
terapie somministrate, esiti dei trattamenti e annotazioni mediche. Queste informazioni,
custodite nei database dell’ospedale oncologico, costituiscono una risorsa di conoscenza
fondamentale per la ricerca e la pratica clinica, ma la loro eterogeneità e volume rendono
difficile per il singolo ricercatore estrarre rapidamente insight rilevanti. Le scoperte cruciali spesso si nascondono nelle connessioni tra dati provenienti da fonti e contesti diversi:
il profilo genetico di un paziente, la risposta a una terapia innovativa, l’andamento di
un marker biologico nel tempo. La sfida consiste quindi nel fornire ai ricercatori uno
strumento capace di supportarli nell’esplorazione di questi database complessi, facilitando l’identificazione di pattern, correlazioni e informazioni utili per la ricerca clinica e
scientifica.
Tipologia del documento
Tesi di laurea
(Laurea magistrale)
Autore della tesi
Rinaldi, Simone
Relatore della tesi
Scuola
Corso di studio
Indirizzo
Curriculum C: Sistemi e reti
Ordinamento Cds
DM270
Parole chiave
SPARQL,LLM,AI,DEEP LEARNING,OPENAI,VECTOR,HEALTHCARE,GRAPH,OLLAMA,STREAMLIT,API,HUGGINFACE,KG,AGENT
Data di discussione della Tesi
18 Dicembre 2025
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Rinaldi, Simone
Relatore della tesi
Scuola
Corso di studio
Indirizzo
Curriculum C: Sistemi e reti
Ordinamento Cds
DM270
Parole chiave
SPARQL,LLM,AI,DEEP LEARNING,OPENAI,VECTOR,HEALTHCARE,GRAPH,OLLAMA,STREAMLIT,API,HUGGINFACE,KG,AGENT
Data di discussione della Tesi
18 Dicembre 2025
URI
Gestione del documento: