Modulo introduttivo in Scienze della Vita
10 ore (facoltativo)
Il modulo ha l’obiettivo di fornire le conoscenze di base per comprendere l'analisi dei dati di sequenziamento e affronta argomenti come:
• Anatomia della cellula
• Ribosomi e sintesi delle proteine
• Mitocondri e metabolismo energetico
• Distinzione tra segnalazione endocrina, paracrina, autocrina
• DNA; RNA; Ribosomi; proteine; tessuti; organi
Questo corso è progettato per offrire ai partecipanti una preparazione trasversale sui metodi computazionali avanzati, combinando un approccio pratico e orientato all’applicazione in contesti reali. Verrà inoltre presentata una visione d’insieme sulle principali aree applicative della salute digitale, evidenziando le potenzialità e le sfide dell’uso delle tecnologie computazionali in ambito sanitario.
I Modulo: Introduzione alla Biomedica Computazionale (online sincrono)
II Modulo: Scienza ed Ingegneria Computazionale (16 ore in presenza c/o Dama Tecnopolo Bologna + 24 ore online sincrona)
Corso Biomedica Computazionale
2 Moduli – 52 ore
CORSI VERTICALI
Bioinformatica
(Da Maggio 2026)
40 ore
Prerequisiti
Per le lezioni frontali:
◦ Nozioni di base di biochimica e biologia molecolare (genomi, trascrittomi, proteine, varianti, funzioni)
◦ Nozioni di base di statistica descrittiva e inferenziale e di machine learning
◦ Abilità di base di informatica (manipolazione file, esecuzione di tool, programmazione di base)
Curriculum:
• Dove reperire le informazioni esistenti: Database biomedici (2 ore frontali – 4 ore esercitazioni)
• Il problema dell’annotazione dei dati biologici: Ontologie, confronto tra sequenze e tra strutture, trasferimento di informazione per similarità (2 ore frontali – 4 ore esercitazione)
• Tecniche e dati di sequenziamento: tipi, formati (3 ore frontali)
• Introduzione ai sistemi di workflow management: Galaxy e/o NextFlow (1 ora frontale – 1 ora esercitazioni)
• Analisi bioinformatica di dati genomici per la chiamata di varianti: SNPs, indel, varianti strutturali (3 ore frontali – 5 ore esercitazioni)
• Analisi bioinformatica per l’analisi di trascrittomi (3 ore frontali – 5 ore esercitazioni)
• Annotazione di proteine e varianti proteiche, in relazione a malattie (3 ore frontali – 4 ore esercitazioni)
(Da Maggio 2026)
40 ore
Prerequisiti
• Matematica e fisica di base
• Nozioni fondamentali di calcolo differenziale e integrale
• Conoscenze introduttive su equazioni differenziali ordinarie (ODE) e
alle derivate parziali (PDE)
• Elementi di meccanica classica
• Biologia e fisiologia umana
• Fondamenti di biologia cellulare e molecolare
• Principi generali di fisiologia, con particolare riferimento ai sistemi
immunitario, cardiovascolare e neuro-muscoloscheletrico
• Informatica e programmazione
• Conoscenze di base di programmazione (preferibilmente in Python o linguaggi equivalenti)
• Familiarità con ambienti di calcolo numerico e simulazione
computazionale
• Statistica e apprendimento automatico
• Nozioni fondamentali di statistica descrittiva e inferenziale
• Concetti introduttivi di machine learning, in particolare supervised learning
Curriculum:
• Che cos’è un modello? Una prospettiva evoluzionistica (2 ore)
• Una tassonomia generale dei modelli predittivi (2 ore)
• Validazione sperimentale di modelli (2 ore)
• Modelli basati sulla conoscenza: modelli basati su PDE e ODE (2 ore)
• Modelli basati sulla conoscenza: modelli basati su agenti (2 ore)
• Modelli basati sui dati: predittori di Machine Learning (2 ore)
• Applicazione: Gemelli digitali del sistema immunitario (2 ore)
• Applicazione: Gemelli digitali del sistema neuromuscoloscheletrico (2 ore)
• Applicazione: Gemelli digitali del sistema cardiovascolare (2 ore)
• Applicazione: Prove in silico di vaccini (2 ore)
• Laboratorio di Biomeccanica Computazionale (10 ore)
• Laboratorio di immunologia computazionale (10 ore)
Scienze regolatorie per la
Medicina Digitale
(Da Maggio 2026)
40 ore
Prerequisiti
Nessuno
Curriculum:
• Introduzione alla scienza regolatoria (2 ore)
• Il processo regolatorio nell’UE (2 ore)
• Il processo regolatorio negli Stati Uniti (2 ore)
• Garanzia della qualità e gestione del rischio (2 ore)
• Le basi giuridiche dell’utilizzo delle tecnologie digitali nell’assistenza sanitaria (2 ore)
• Gestione ed elaborazione legale ed etica dei dati medici (2 ore)
• Certificazione di Dispositivi Medici digitali e Farmaceutica Digitale (2 ore)
• Qualificazione di strumenti di sviluppo digitale per prodotti medicali (2 ore)
• Requisiti essenziali: biocompatibilità e sicurezza elettrica (2 ore)
• Certificazione delle tecnologie per la salute mobile e i sensori indossabili (2 ore)
(Da Ottobre 2026)
40 ore
Prerequisiti
Per attività di laboratorio:
• Conoscenze di base di programmazione, preferibilmente in linguaggi adatti a una rapida prototipizzazione come Python
• Conoscenze di base di statistica descrittiva e inferenziale (eventualmente due ore di laboratorio possono essere spese per recuperare i soli concetti fondamentali di statistica necessari per proseguire con le attività)
Curriculum:
• Tipi di dati in sanità (2 ore)
• Sistemi Informativi Sanitari e Telemedicina (2 ore)
• Smart Systems (2 ore)
• Fascicolo sanitario elettronico (2 ore)
• Biosegnali (2 ore)
• Bioimmagini e DICOM (2 ore)
• Formati standard dei dati clinici: HL7 CDA, HL7 FHIR, OMOP (2 ore)
• Vocabolari standard dei dati clinici: SNOMED CT, ICD, LOINC (2 ore)
• Aspetti regolatori: usi primari e secondari dei dati sanitari (2 ore)
• Aspetti normativi: certificazione dei dispositivi medici (2 ore)
• Sicurezza per proteggere i dati clinici (2 ore)
• Laboratorio di Informatica Medica (9 ore)
• Laboratorio di elaborazione dei segnali e dati sanitari (9 ore)
Big Data in Medicina
(Da Ottobre 2026)
40 ore
Prerequisiti
• Nozioni di base di statistica descrittiva
• Calcolo delle probabilità e inferenza
• Fondamenti di programmazione (preferibilmente in R, ma almeno in Python)
• Conoscenza di base delle caratteristiche dei dati genomici
Curriculum:
• Disegno, causalità e modellazione (6 ore)
• Pulizia e preparazione dei dati (4 ore)
• Inferenza statistica per dati ad alta dimensionalità (6 ore)
• Apprendimento non supervisionato e riduzione dimensionale (6 ore)
• Apprendimento supervisionato (modelli di regressione e di classificazione, predittori continui e categoriali; fitting penalizzato del modello, valutazione della performance del modello) (12 ore)
• Visualizzazione dei dati (2 ore)
• Caso di studio: Applicazioni genomiche
Curriculum:
• Introduzione ai sensori indossabili nel campo della mobile health (2 ore)
• Sensori indossabili per il monitoraggio della mobilità (3 ore)
• Sensori indossabili per il monitoraggio della funzionalità cardiaca (2 ore)
• Sensori indossabili per il monitoraggio dello stress (2 ore)
• Tecniche descrittive per analisi dati da sensori indossabili (2 ore)
• Validazione di sensori indossabili (2 ore)
• Laboratorio online – uso sensoristica presente in uno smartphone (3 ore)
• Laboratorio online – analisi cammino (3 ore)
• Laboratorio online – analisi mobilità (3 ore)
• Laboratorio online – analisi cadute (3 ore)
• Laboratorio online – analisi sonno (3 ore)
• Laboratorio online – analisi funzionalità cardiaca (3 ore)
• Laboratorio online – analisi stress (3 ore)
• Laboratorio in presenza* – prova pratica sensori indossabili (6 ore)
