Riconoscimenti internazionali: Luca Carmiscano, dottorando del PhD nazionale in AI, co-supervisionato da docenti del Dipartimento di Eccellenza L’EMbeDS, riceve il Best Paper Award alla 4th IEEE International Conference on ICT Solutions for eHealth
Luca Carmisciano, specializzando medico dell’Università di Pisa e studente al secondo anno del Dottorato Nazionale in AI, co-supervisionato dai docenti del Dipartimento di Eccellenza L’EMbeDS (Francesca Chiaromonte e Andrea Vandin) della Scuola Superiore Sant'Anna, del CNR di Pisa (Franca Delmastro) e di IBM Research Dublin (Tobia Boschi), ha ricevuto il riconscimento del Best Paper Award alla 4th IEEE International Conference on ICT Solutions for eHealth, tenutasi a Parigi dal 26 al 29 giugno scorsi.
La conferenza si è concentrata su soluzioni interdisciplinari per l’e-Health, un argomento di ricerca di grande rilevanza che sta attirando un crescente interesse da parte di gruppi di studio interdisciplinari. In linea con lo spirito della conferenza, questo lavoro ha coinvolto ricercatori sia accademici che industriali, con formazione in medicina, informatica e statistica.
L’articolo intitolato “Investigating Functional Data Analysis for Wearable Physiological Sensor Data in Stress Evaluation”, co-autorato da Luca Carmiscano, insieme ai suoi co-supervisori, propone un approccio innovativo all’analisi di dati medici longitudinali raccolti tramite dispositivi indossabili, avanzando lo stato dell’arte nello studio del rilevamento dei livelli di stress.
Per la prima volta, l'articolo propone l'uso della Functional Data Analysis per lo studio in questo dominio. Come esemplificato nell'immagine sottostante, sequenze di osservazioni puntuali (numeriche) per un paziente vengono trasformate in funzioni, sulle quali successivamente applicare generalizzazioni di tecniche di analisi tipiche del machine learning e dello statistical learning. Questa metodologia offre il vantaggio di gestire in modo più efficace le dipendenze temporali nei dati.
L'approccio è stato validato su un noto dataset pubblico di dati medici, collezionati con dispositivi indossabili per monitorare i livelli di stress dei pazienti.
Una slide dalla presentazione di Luca Carmisciano alla conferenza
