Leonelli, Luca
(2026)
Applicazione dei digital twins nella gestione clinica dello scompenso cardiaco: stato dell'arte.
[Laurea], Università di Bologna, Corso di Studio in
Ingegneria biomedica [L-DM270] - Cesena, Documento full-text non disponibile
Il full-text non è disponibile per scelta dell'autore.
(
Contatta l'autore)
Abstract
Lo scompenso cardiaco è una sindrome clinica complessa. Per questo motivo, la sua gestione si orienta sempre più verso approcci di medicina personalizzata. L’obiettivo di questa revisione narrativa è quello di analizzare lo stato dell’arte attuale riguardo all’applicazione dei digital twin nella gestione dello scompenso cardiaco, valutando prestazioni, maturità clinica e potenziali applicazioni. L’analisi ha riguardato 4 studi principali pubblicati dal 2021 al 2026.
I risultati esaminati suggeriscono che i digital twins, attraverso l’integrazione di modelli computazionali meccanicistici, intelligenza artificiale e tecnologie Internet of Things (IoT), possano costituire promettenti strumenti di supporto alla gestione clinica. Le applicazioni considerate comprendono la stima di parametri fisiologici, la stratificazione prognostica, il monitoraggio del paziente e il possibile supporto alla scelta di trattamenti invasivi.
Nonostante le performance promettenti, la maturità clinica di queste tecnologie non è ancora sufficiente a consentirne l’implementazione nella pratica clinica. I digital twins presentano un elevato potenziale per migliorare significativamente la gestione clinica dello scompenso cardiaco grazie alla possibilità di fornire simulazioni personalizzate per ciascun paziente. La loro introduzione è ostacolata da diversi limiti legati all’eterogeneità, alla qualità e alla sicurezza dei dati, nonché dalla loro complessità computazionale. Sono quindi necessari ulteriori trial clinici e validazioni esterne su campioni più ampi prima della loro introduzione nella pratica clinica.
Abstract
Lo scompenso cardiaco è una sindrome clinica complessa. Per questo motivo, la sua gestione si orienta sempre più verso approcci di medicina personalizzata. L’obiettivo di questa revisione narrativa è quello di analizzare lo stato dell’arte attuale riguardo all’applicazione dei digital twin nella gestione dello scompenso cardiaco, valutando prestazioni, maturità clinica e potenziali applicazioni. L’analisi ha riguardato 4 studi principali pubblicati dal 2021 al 2026.
I risultati esaminati suggeriscono che i digital twins, attraverso l’integrazione di modelli computazionali meccanicistici, intelligenza artificiale e tecnologie Internet of Things (IoT), possano costituire promettenti strumenti di supporto alla gestione clinica. Le applicazioni considerate comprendono la stima di parametri fisiologici, la stratificazione prognostica, il monitoraggio del paziente e il possibile supporto alla scelta di trattamenti invasivi.
Nonostante le performance promettenti, la maturità clinica di queste tecnologie non è ancora sufficiente a consentirne l’implementazione nella pratica clinica. I digital twins presentano un elevato potenziale per migliorare significativamente la gestione clinica dello scompenso cardiaco grazie alla possibilità di fornire simulazioni personalizzate per ciascun paziente. La loro introduzione è ostacolata da diversi limiti legati all’eterogeneità, alla qualità e alla sicurezza dei dati, nonché dalla loro complessità computazionale. Sono quindi necessari ulteriori trial clinici e validazioni esterne su campioni più ampi prima della loro introduzione nella pratica clinica.
Tipologia del documento
Tesi di laurea
(Laurea)
Autore della tesi
Leonelli, Luca
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Digital,Twin,Medicina,personalizzata,scompenso,cardiaco,intelligenza,artificiale,machine,learning,Internet,Things
Data di discussione della Tesi
25 Settembre 2026
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Leonelli, Luca
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Digital,Twin,Medicina,personalizzata,scompenso,cardiaco,intelligenza,artificiale,machine,learning,Internet,Things
Data di discussione della Tesi
25 Settembre 2026
URI
Gestione del documento: