Si sono resi disponibili dei percorsi di tesi e tirocinio in collaborazione con l'azienda _Althea _presso l'ospedale AOU Federico II.
Il percorso ha una durata di circa 6 mesi con frequenza di più giorni settimanalmente e sono al momento disponibili diverse tematiche, da approfondire su richiesta di eventuali interessati:
 
  • Intelligenza artificiale & Machine Learning applicata alle tecnologie sanitarie: L'IA/ML sta trasformando molti aspetti dell'ingegneria clinica: analisi immagini, diagnostica potenziata, manutenzione
    predittiva dei dispositivi.
  • Realtà virtuale / aumentata (VR/AR) e simulazione / formazione tecnica: La VR/AR viene usata sempre più per formazione clinica, pianificazione chirurgica, manutenzione apparecchiature mediche in ambienti simulati.
  • Telemedicina, modelli di cura da remoto e servizi "Out-Hospital": La telemedicina e monitoraggio remoto stanno trasformando l'erogazione delle cure, soprattutto in aree geografiche complesse.
  • Stampa 3D, materiali avanzati e personalizzazione dei dispositivi medici: La stampa 3D e la bioprinting stanno emergendo come tecnologie che permettono dispositivi personalizzati, modelli anatomici, prototipi rapidi.
  • Ottimizzazione Integrata in Endoscopia_: Manutenzione, Riprocessamento e Dimensionamento delle apparecchiature: Sviluppare un modello quantitativo (tramite simulazione o Teoria delle Code) per calcolare il numero ideale di endoscopi necessario, considerando l'efficienza del riprocessamento (TAT) e l'indisponibilità dovuta alla manutenzione.
  • Health Technology Assessment (HTA) per l'introduzione di Dispositivi Wearable_: Valutazione multidimensionale dell'introduzione di una specifica tecnologia wearable (es. monitoraggio cardiaco continuo, sensori per il monitoraggio del sonno o dell'attività fisica in pazienti cronici) in un contesto clinico specifico (es. Telemedicina o Riabilitazione a casa).
  • Sviluppo di un modello predittivo basato su Machine Learning per la Manutenzione Predittiva (PdM)_: Applicazione di algoritmi di Machine Learning (ML) per prevedere guasti o performance degradation su una specifica tipologia di apparecchiatura critica (es. Risonanza Magnetica, Ventilatori Polmonari, o in continuità con il primo tema, Processatrici di Endoscopi).
  • Analisi di fattori umani ed ergonomia nel design delle postazioni cliniche_: Valutazione dell'impatto del design e dell'ergonomia di una specifica postazione di lavoro (es. sala operatoria ibrida, sala di
     
    emodinamica, postazione di monitoraggio intensivo) sull'efficienza operativa e sull'affaticamento del personale sanitario (Fattori Umani).
 

Gli interessati possono contattare i proff:
Carlo Ricciardi (Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.)
Alfonso Maria Ponsiglione (alfonsomaria.ponsiglione@unina.it)