Event Information

Share this event

Date and Time



Online Event

Event description
How can data be exploited to make future health services smarter? A discussion among researchers, companies, and public health authorities.

About this Event


✻✻ 19 Oct 2020 - IMPORTANT NOTICE !! - Due to the latest Covid-19 restrictions, the event will be held completely ONLINE

✻✻ Please register by 25 Oct, 6pm, to participate via the MS Teams platform and have the opportunity to ask questions to the speakers.

✻✻ Click here for live streaming

✻✻ The presentations will be in English, Italian, or German at the speaker’s choice, without simultaneous translation


EN: The aim of the workshop is to promote cooperation between local companies, health authorities and research and technology transfer actors in order to develop innovative solutions based on artificial intelligence in healthcare - especially for the management and analysis of large amounts of data. The objective is to use intelligent algorithms to identify data regularities and their hidden relationships and, consequently, to offer better services and applications. With the event Data4SmartHealth (D4SH), the Smart Data Factory of the Free University of Bozen/Bolzano also wants to promote the development of a community, centered on the NOI techpark, which is committed to e-health, i.e. the use of digital technologies in the healthcare sector. For technology transfer and networking, the laboratory and the Smart Data Factory team are available at NOI Techpark.

IT: L'obiettivo del workshop è quello di promuovere la cooperazione tra le aziende locali, le autorità sanitarie e gli attori della ricerca e del trasferimento tecnologico al fine di sviluppare soluzioni innovative basate sull'intelligenza artificiale in ambito sanitario - soprattutto per la gestione e l'analisi di grandi quantità di dati. L'obiettivo è quello di utilizzare algoritmi intelligenti per identificare le regolarità nei dati e le loro relazioni nascoste e, di conseguenza, offrire servizi e applicazioni migliori. Con l'evento Data4SmartHealth (D4SH), la Smart Data Factory della Libera Università di Bolzano vuole anche promuovere lo sviluppo di una comunità, centrata sul NOI techpark, che si impegna a favore dell'e-health, ovvero l'utilizzo delle tecnologie digitali nel settore sanitario. Per il trasferimento tecnologico e il collegamento in rete, il laboratorio e il team di Smart Data Factory sono disponibili presso il NOI Techpark.

DE: Ziel des Workshops ist es, die Zusammenarbeit zwischen lokalen Unternehmen, Gesundheitsbehörden und Akteuren des Forschungs- und Technologietransfers zu fördern. Also einen Austausch zwischen all jenen anzuregen, die daran interessiert sind, innovative, auf künstlicher Intelligenz basierende Lösungen im Gesundheitswesen anzudenken und zu entwickeln – im Besonderen für die Generierung, das Management und die Auswertung großer Datenmengen. Dabei wird das Ziel verfolgt, über intelligente Algorithmen Regelmäßigkeiten, Gesetzmäßigkeiten und verborgene Zusammenhänge zu erkennen und in Folge bessere Services und Anwendungen anzubieten. Mit der Veranstaltung Data4SmartHealth (D4SH) will die Smart Data Factory der Freien Universität Bozen weiters den Aufbau einer Community forcieren, die im NOI Techpark angesiedelt ist und sich für E-Health, also für den Einsatz digitaler Technologien im Gesundheitswesen, stark macht. Für den Technologietransfer und die Vernetzung stehen Labor und Team der Smart Data Factory im NOI Techpark zur Verfügung.


8:40 Welcome

8:50 Invited Talk: Explainable Artificial Intelligence in Medicine: a Data-Centric Perspective (Prof. Carlo Combi, University of Verona)

9:50 Session on Rehabilitation (Chair: Dr. Daniela D'Auria - Smart Data Factory)

  • Cognition in Motion: a new approach in assessment and rehabilitation (Ing. Federico Gori - Microgate)
  • (AI-supported) cognitive training with MS-rehab (Dr. Floriano Zini - Smart Data Factory, and Prof. Mauro Gaspari - University of Bologna)
  • Nuove tecnologia per la riabilitazione - Software e sensori inerziali per rendere l'esercizio terapia misurabile e accessibile anche da remoto (Dr. David Tacconi - CoRehab)

10:50 Break

11:30 Panel: How will the data shape the future of healthcare and biomedicine? Promising directions and suggestions (Moderator: Dr. Paola Lecca - Smart Data Factory)

12:30 Session on Decision Support (Chair: Dr. Alessandro Mosca - Smart Data Factory)

13:15 Break

14:30 Session on Decision Support (Chair: Dr. Alessandro Mosca - Smart Data Factory)

  • BPCOmedia: Telemonitoraggio predittivo per la rilevazione precoce dell’insufficienza respiratoria in pazienti affetti da BPCO e da COVID-19 (Dr. Giuseppe Capasso - BPCOmedia)
  • reCOVeryaID - Un’applicazione di telemonitoraggio intelligente per pazienti sintomatici, asintomatici e pre-sintomatici al Coronavirus (Dr. Daniela D'Auria - Smart Data Factory)

15:15 Closing

Talk abstracts

Prof. Carlo Combi, University of Verona

Explainable Artificial Intelligence in Medicine: a Data-Centric Perspective

I will discuss about explainability and interpretability, considering how metadata, specific data constraints, conceptual representations of (even partial) data schemata, and queries could help understand and evaluate black-box machine learning results in medical domains. As an example, it is often the case that clinical features considered in machine learning algorithms are extracted from medical records, without any further consideration of clinical database schema. But it could be that the knowledge derived from the schema and from queries on data, could integrate and allow the right interpretation of ML results.


Ing. Federico Gori - Microgate

Cognition in Motion: a new approach in assessment and rehabilitation

Neurosciences and movement analysis applied to the field of rehabilitation provide new perspectives for patients based on big data analysis. Tracking short and long term movement disorders and cognitive impairment provide a valuable KPI to monitor effectiveness of interventions and large population trends.


Dr. Floriano Zini - Smart Data Factory and Prof. Mauro Gaspari - University of Bologna

MS-rehab: a web-accessible system for (AI-supported) cognitive training

The talk presents a web-accessible system, called MS-rehab, developed specifically for the cognitive rehabilitation of patients suffering from multiple sclerosis, but usable also in other contexts where cognitive training is needed. It also illustrates the results of two pilot studies with MS-rehab, including one where an AI-based mechanism is used to adapt the difficulty of cognitive training exercises to the trainee's performance.


Dr. David Tacconi - CoRehab

Nuove tecnologia per la riabilitazione - Software e sensori inerziali per rendere l'esercizio terapia misurabile e accessibile anche da remoto

CoRehab è un azienda di Trento che progetta e realizza dispositivi tecnologicamente avanzati finalizzati alla riabilitazione ortopedica, neurologica, sportiva e all'esercizio fisico preventivo. I sistemi sviluppati si basano sull'utilizzo di sensori inerziali indossabili validati per l'analisi del movimento e un software interattivo che guida professionisti e pazienti in maniera semplice e veloce nell'esecuzione di esercizi e valutazioni funzionali. L'obiettivo dei dispositivi di CoRehab è rendere l'esercizio terapia misurabile, motivante e accessibile anche dal punto di vista logistico. Allo scopo di rendere la riabilitazione accessibile ovunque si trovi il paziente, CoRehab ha realizzato e lanciato sul mercato una soluzione per la riabilitazione a domicilio che consente al paziente, grazie a una app e un solo sensore indossabile, di effettuare esercizi riabilitativi comodamente da casa con la supervisione da remoto del proprio professionista.


Dr. Bart Geerts -

Learnings getting continuous-decision support for surgeons to the clinic

As the covid pandemic painfully illustrated health care systems are being threatened as their sustainability seems limited; Growing number of patients, the complexity of patients, and a lack of highly trained staff necessitate action. We need to reduce cost, improve outcomes and experience for patients and health workers. This seems to be a challenge we can only get out of with new technology aiding us. Computer science and machine learning specifically can address a number of challenges. For instance by taking away menial and administrative tasks, but also improve speed and quality of diagnosis. Another example where ML can be of benefit is decision-support. and a dozen hospital partners focus on building PERISCOPE. As up to 35% of all patients encounter an infection in the 30-days after their surgery, we re-use existing electronic patient record data and machine-learning to predict infections before they are diagnosed. This decreases the time to diagnosis, improves allocation of monitoring and decisions to discharge or keep patients in the hospital. As the average diagnosis is on day 5, we ‘buy’ the surgical essential time. A first set of algorithms was 90% sensitive and specific in predicting infections at the end of surgery (i.e. 5 days prior to average diagnosis). In this presentation, we will look at the some of the technical results but we will focus on the hospital, validation, regulatory and medical challenges that face us when implementing decision support in the hospital.


Dr. Panagiotis Symeonidis and Prof. Markus Zanker, Free University of Bozen-Bolzano

Explainable AI for Health

Patients with complex diseases (i.e., cancer, diabetes, etc.) often follow a therapeutic that consists of multiple drugs, focusing at different human targets such as genes, proteins, etc. In this talk, we will describe our research work, which tries to provide both accurate and explainable drug recommendations. In particular, we will describe a method, which can help doctors screen candidate drugs and their possible substitutes more comprehensively, by providing also robust explanations. That is, based on previous similar patients' historical drug treatments, we can provide personalized drug recommendations along with explanations to support critical medical decisions.


Dr. Giuseppe Capasso - BPCOmedia

BPCOmedia: Telemonitoraggio predittivo per la rilevazione precoce dell’insufficienza respiratoria in pazienti affetti da BPCO e da COVID-19

Il dato clinico per stabilire l'inizio delle cure in pazienti con sindrome infettiva da COVID-19 non è la comparsa dell'insufficienza respiratoria acuta conclamata ma la presenza della desaturazione nelle fasi cliniche precoci, quando i sintomi non sono percepiti dal paziente ma è utile monitorare la saturazione emoglobinica (SpO2). BPCOMedia è un sistema di telemonitoraggio della frequenza cardiaca e della SpO2 con pulsiossimetro associato ad un algoritmo di IA che predice gli eventi acuti, sviluppato per la BPCO e adattabile a pazienti COVID-19. BPCOMedia ha una dashboard per il controllo remoto delle misurazione effettuate. Il servizio proposto rende disponibile il sistema esistente per telemonitorare i soggetti sottoposti al regime di isolamento domiciliare obbligatorio, introducendo anche il six minutes walk test per individuare più precocemente segni precoci della polmonite.


Dr. Daniela D'Auria - Smart Data Factory

reCOVeryaID - Un’applicazione di telemonitoraggio intelligente per pazienti sintomatici, asintomatici e pre-sintomatici al Coronavirus

La COVID-19 rappresenta una malattia infettiva respiratoria causata dal virus denominato SARS-CoV-2 appartenente alla famiglia dei coronavirus. Nel corso della malattia, dopo una fase iniziale con andamento influenzale, può insorgere una sindrome respiratoria molto forte che comporta difficoltà respiratoria, dispnea, affanno e aumento della frequenza cardiaca. La polmonite da COVID-19 porta, infatti, ad una diminuzione del livello di ossigeno nel sangue (saturazione) senza che il paziente se ne renda conto, finché non si presenta l’urgenza del ricovero ospedaliero. Pertanto, si riscontra la necessità di monitorare i soggetti che si trovino, al proprio domicilio, in osservazione per infezione da COVID-19, al fine di controllare il livello di saturazione affinché lo stesso non scenda al di sotto della soglia prestabilita. In siffatte situazioni, proprio grazie all’andamento dei dati relativi alla saturazione, il personale medico-sanitario sarà in grado di capire se quel paziente, asintomatico, sintomatico o pre-sintomatico ed in isolamento domiciliare, dovrà essere ricoverato o meno, arrivando quindi a una ospedalizzazione precoce prima che il quadro clinico possa peggiorare. Realizzare un sistema di telemonitoraggio intelligente, che preveda l’utilizzo di dispositivi diagnostici tradizionali, quali un termometro e un saturimetro, permetterà dunque di: -lasciare a casa soggetti che non versano in pericolo imminente, evitando di occupare posti letto ospedalieri; -monitorare soggetti a rischio con possibili crisi respiratorie; -monitorare quella parte della popolazione a cui non è stato somministrato il test da COVID-19, ma che potrebbe essere costituita da soggetti asintomatici o pre-sintomatici; -misurare i parametri essenziali al fine di evitare una crisi respiratoria per i pazienti affetti da Covid-19 in forma non grave; -consentire ai Medici di Medicina Generale (MMG) di tenere costantemente sotto controllo il paziente, evitando il rischio di un possibile contagio dovuto ad un contatto diretto e ripetuto nel tempo.


With the contribution of Microgate

Share with friends

Date and Time


Online Event

Save This Event

Event Saved