Cartella clinica elettronica, processi di interoperabilità, protocolli di comunicazione dati, standard, controllo degli accessi, normalizzazione semantica
Gestione e analisi dei dati sanitari: big data multimodali, analisi dei dati e algoritmi basati sull'intelligenza artificiale
Piattaforme ed infrastrutture sanitarie, reti per la collaborazione clinica, valutazioni, studi e sperimentazioni
CNR-ICAR
Sistema per l’estrazione di informazioni salienti/rappresentative da un testo medico ai fini della consultazione/navigazione rapida ed efficiente.
CNR-ICAR
Sistema per il riconoscimenti automatico di entità di interesse all'interno di testo modico.
CNR-ICAR
Sistema conversazionale in grado di assistere gli utenti nel reperimento e nella comprensione delle informazioni caratterizzanti i farmaci di loro interesse, senza che gli utenti debbano cercare, sfogliare o navigare il bugiardino del farmaco in esame.
CNR-ICAR
Sistema di de-identificazione clinica in grado di identificare e anonimizzare informazioni sensibili alla privacy (e.g. entità quali nomi, età, professioni, luoghi, ID, etc.) presenti in cartelle cliniche.
UNIPI
Sistema di identificazione di pazienti ad alto rischio di ospedalizzazione e morte tramite algoritmi di intelligenza artificiale, con la finalità di attuare medicina personalizzata su questi pazienti.
CNR-IIT
Servizio web per la gestione integrata di terminologie mediche basato sullo standard HL7 Common Terminology Services Release 2 (CTS2) che garantisce specifiche comuni per la rappresentazione, l’accesso, l’interrogazione, lo scambio, l’aggiornamento e l’esportazione di risorse terminologiche. Il servizio è rivolto a professionisti sanitari che necessitano un supporto nell’uso corretto dei sistemi di codifica e referenti regionali che necessitano di supporto amministrativo per l’allineamento dei sistemi di codifica agli aggiornamenti internazionali. Conforme alla normativa FSE per la codifica dei dati clinici nei documenti sanitari
CNR-IIT
Il sistema utilizza in input PSS conformi alla relativa Implementation Guide CDA2 HL7. È in grado di validare l’uso della codifica ICD-9-CM associata a malattie, procedure ed interventi grazie ad algoritmi di similarità testuale avanzati, all’implementazione di regole di codifica formali standardizzate, e all’uso di una base di conoscenza molto ampia. Il sistema, oltre ad indicare la validità o meno di un certo codice assegnato dal MMG nel PSS, suggerisce l’eventuale codice corretto
UNIPI
Il sistema è progettato in modo da utilizzare le codifiche ICD-9-CM e ICD-10 in maniera mutuamente esclusiva, ed è basato su: regole di codifica standardizzate; un algoritmo di gestione delle regole per la verifica dell’accuratezza della codifica e per l’identificazione della condizione clinica principale; un dizionario di termini clinici per la gestione del passaggio dal linguaggio naturale utilizzato dai medici nelle loro cartelle cliniche al linguaggio di codifica.
Unisi
Sistema per la segmentazione automatica di glomeruli sclerotizzati ai fini della valutazione della trapiantabilita' dell'organo. Il progetto, iniziato ad Aprile 2019, si focalizza sullo sviluppo di un software basato su tecniche di Deep Learning per la segmentazione di glomeruli sclerotizzati e non sclerotizzati in vetrini con biopsie renali.
Unisi
Sistema di supporto alle decisioni basato su deep learning in grado di distinguere nei atipici e melanomi, fornendo al medico un suggerimento per il trattamento della lesione (Not Follow Up, Follow Up, Preventive Excision, Excision). Testato su dataset privato del dipartimento di dermatologia di Siena e confrontato con le valutazioni dei medici
UNIPI
Sistema basato su reti neurali profonde in grado di eseguire segmentazione, localizzazione, conta e classificazione batterica su piastre di Petri. E' stato inoltre sviluppato un prototipo del device di acquisizione. L’acquisitore e il software di analisi saranno affiancati da una architettura distribuita per permettere la memorizzazione e la gestione delle analisi in laboratori periferici. Il device di acquisizione e il software di conta è stato testato nel diparimento di microbiologia dell'ospedale di Careggi
FDG
Acquisizione strutturata e analisi dato clinico. Soluzioni basate su metodologie di machine learning per la stima del decorso clinico in pazienti ospedalizzati a partire da dati acquisiti in ammissione. Stima di probabilità e tempistiche del raggiungimento di milestone del percorso riabilitativo, quali ad esempio la decannulazione in pazienti con lesione celebrale.
Unipi
Sviluppo di soluzioni software e hardware di distributed/federated learning per la raccolta di dati clinici e di imaging da diversi centri ospedalieri atti alla creazione di modelli diagnostici e predittivi di intelligenza artificiale su patologie croniche su larga scala.
UNIFI
Sistema di aggregazione dati personali e privati GDPR compliant, da utilizzare in contesti vari (ambulanza, letti medici, telemedicina, lato server) per collezionamento dei dati e la loro gestione in modo integrato con dati, devices di ogni tipo, IOT, Droni e territoriali.
Dedalus & UniSi
La soluzione proposta mira a diventare infrastruttura di riferimento internazionale per la ricerca e la pratica clinica sulla malattia rara AKU, fornendo sia strumenti per la modellazione e la condivisione dei concetti e dei casi d’uso clinici inerenti l’AKU, sia servizi per garantire la collaborazione interdisciplinare e multi-professionale e la normalizzazione delle informazioni raccolte durante le pratiche clinico assistenziali. Tutto questo per aumentare efficacia clinica e fornire anche base di dati predisposte per analisi avanzate e estrazione di conoscenza per una migliore diagnosi, prognosi e cura.
Compila il form con i tuoi dati indicando il motivo della tua richiesta.
Un membro del Team ISAAC ARTES sarà lieto di mettersi in contatto con te e fornirti il supporto di cui hai bisogno.
ARTES 4.0 Advanced Robotics and enabling digital Technologies & Systems 4.0
Viale Rinaldo Piaggio, 34 – 56025 Pontedera (PI)
Partita IVA 02333680508 – Numero repertorio economico amministrativo (REA) PI – 199253 – PEC: presidente_artes4.0@pec-legal.it