La registrazione di big data nell’ambito dell’analisi del movimento consente oggi di applicare tecniche di intelligenza artificiale (IA) per supportare i clinici nella diagnosi e cura di pazienti con patologie neurologiche degenerative, o del sistema muscoloscheletrico, e di aprire nuovi scenari sulla gestione del rischio di caduta nelle persone anziane. A partire dal monitoraggio digitale del movimento, mediante dati e segnali provenienti da smartphone, sensori indossabili di vario tipo (es: braccialetti fitness, sensori inerziali IMU, sonde EMG, solette di pressione) o sensori ambientali (es: pedane di forza, sistemi di videoripresa, sensori “embedded” nel letto del paziente) è possibile costruire modelli che utilizzano tecniche di machine learning o di deep learning per stratificare, classificare e valutare i pazienti con sempre maggior accuratezza. Il corso si prefigge di introdurre i passaggi chiave che permettono di sviluppare tali modelli IA (labeling dei dati, allenamento, validazione, testing), illustrando alcune applicazioni all’analisi clinica del movimento, senza trascurare le criticità che possono emergere nell’integrazione con la pratica clinica, l’explainability del modello e alcuni aspetti etici. Nel corso del workshop è prevista anche un’attività hands-on in cui le/i partecipanti saranno direttamente coinvolte/i in tutte le fasi di sviluppo di un modello IA, dall’acquisizione dei segnali alla valutazione delle sue performance.