Aired

Abstract L’obiettivo principale del progetto di ricerca è svolgere attività di ricerca e sviluppo per prevedere malattie come, mediante la raccolta di dati e l’individuazione di correlazioni fra i dati e un corretto stile di vita attraverso l’uso di algoritmi di machine learning: o Diabetes. o Hypertension. o Cardiovascular diseases. Stato dell’arte Attualmente ci sono altre attività di ricerca analoghe riguardanti l’analisi di malattie legate all’alimentazione. Dalle quali ovviamente si prenderà ispirazione in questo attività di ricerca e dalle quali si partirà per ricondurre i risultati noti al caso del progetto proposto. Risulta immediato intuire che attività di ricerca relative allo studio del comportamento dello stile di vita delle persone volto all’individuazione di correlazioni fra terapia e wellness sono da sempre un tema aperto e molto importante. Obiettivi del progetto Il progetto di ricerca è inerente lo studio dei dati di pazienti con patologie legate all’alimentazione, come il diabete e malattie cardiovascolari. L’idea è quella di utilizzare dispositivi indossabili, come gli smartwatch ed altri dispositivi specifici, per avere i dati dei parametri che spesso risultano significativi per intraprendere cure e migliorare lo stile di vita del paziente (wellness). Gli smartwatch sono essenzialmente dei computer da polso e come tali hanno una struttura ben definita che comprende: sensori per la rilevazione dei dati, un sistema operativo e un display su cui vengono indicate le informazioni. Questi dispositivi sono dotati di una MCU (Micro Control Unit) che gestisce le diverse funzioni e controlla tutti i sensori e le unità di processamento (processori sensori, processore grafico, bluetooth, ecc), come: – Sensori di movimento – Biosensori per il rilevamento di parametri biologici come il livello del glucosio nel sangue, la pressione arteriosa, la temperatura corporea, ecc. – Sensori ambientali che rilevano le condizioni dell’ambiente circostante come la temperatura, il tasso di umidità, la pressione, ecc. I dataset di tali parametri, possono essere integrati con i dati molecolari di analisi dei pazienti (come l’analisi del sangue e dati clinici), in modo tale da avere uno storico significativo. La fase successiva, sarà l’analisi dei dati con tecniche di machine learning e deep learning, consigliate nella letteratura attuale, al fine di individuare e classificare i pattern dei pazienti con queste patologie. Infine, si potranno adoperare i modelli di reti neurali addestrati per effettuare predizioni sui nuovi pazienti. Ipotesi di attività durante i 3 anni: – 1 anno – studio e messa a punto: studio prototipo – 2 anno – raccolta dati: dati da smartwatch e integrazione con dati molecolari. – 3 anno – analisi: integrazione con la letteratura scientifica. Realizzazione di modelli di ML/DL per predizioni.