- Home
- Dipartimento
- Storia del Dipartimento
- Patrimonio del Dipartimento
- Indirizzi e contatti
- Strutture del Dipartimento
- Organi del Dipartimento
- Direzione di dipartimento
- Ufficio di direzione
- Giunta di dipartimento
- Consiglio di direzione
- Consiglio di dipartimento
- Gruppo di dipartimento per l'Assicurazione della Qualita' di Ateneo
- Commissione paritetica docenti - studenti
- Commissioni
- Commissione Didattica
- Commissione Ricerca
- Consigli di corso di studio
- Commissione Terza missione
- Collegi dei dottorati
- Persone
- Assicurazione della Qualità
- Piani strategici
- Regolamenti
- Gallery
- Bandi - Albo di Ateneo
- Bandi
- Ricerca
- Didattica
- Corsi di studio
- Segreteria Didattica
- Medicina e Chirurgia
- Odontoiatria
- Infermieristica
- Fisioterapia
- Scienze Infermieristiche e Ostetriche
- Logopedia
- Ostetricia
- Igiene Dentale
- Tecnici di Laboratorio Biomedico
- Tecniche della Prevenzione
- Tecnici di Radiologia
- Tecnica della Riabilitazione Psichiatrica
- Assistenza Sanitaria
- Dietistica
- Informazioni agli studenti
- Modulistica per gli studenti
- Modulistica di Ateneo
- Corsi di studio
- Post Lauream
- Servizi e strumenti
- Trasferimento della conoscenza
Articolo su intelligenza artificiale del prof Marco Merlo: esclusione infezione Covid e pattern Elettrocardiografici.
Tipologia news:
home
Il Prof Marco Merlo, Associato di Cardiologia DSM Units, attraverso una collaborazione internazionale con l’Università di Stanford, ha pubblicato un’importante ricerca su esclusione infezione Covid e pattern Elettrocardiografici.
L’intelligenza artificiale applicata mediante algoritmi complessi all’elettrocardiogramma di soggetti osservati in epoca Covid e’ stata utilizzata per vari scopi in vari ambiti e può consentire in ambito Covid di discriminare i soggetti non portatori d’infezione indipendentemente da un evidente coinvolgimento cardiaco. Lo afferma uno studio pubblicato sulla prestigiosa rivista Mayo Clinic Proceedings (2021, 96; 2081-2094) effettuato in 4 continenti coordinato dall’Universita’ di Stanford-Rochester USA ed al quale ha collaborato la SC Cardiologia dell’Università degli Studi di Trieste-ASUGI presso l’Ospedale Universitario di Cattinara. Oltre 35000 tracciati analizzati (33% Covid positivi) con un valore predittivo negativo per l’esclusione di diagnosi del 99%. Lo studio, oltre che per l’autorevolezza delle istituzioni internazionali coinvolte, costituisce un contributo sulla strada dell’impiego di variabili multiple per il miglioramento dei processi gestionali in medicina.
Ultimo aggiornamento: 09-08-2021 - 10:25