• Introduzione alla Digital Health. 
• Tecnologie chiave in Digital Health. 
• Intelligenza Artificiale e Big Data. 
• Interoperabilità e infrastrutture digitali.
• Valutazione delle tecnologie di Digital Health.
• Futuro della Digital Health.
• Regolamentazione e sicurezza. 
• Applicazioni pratiche della Digital Health.

• Introduzione all'Intelligenza Artificiale.
• Machine Learning: Algoritmi supervisionati e non supervisionati.
• Deep Learning: Reti neurali artificiali e architetture principali.
• AI applicata alla sanità: Diagnosi automatizzata, elaborazione delle immagini mediche, analisi predittiva.
• Natural Language Processing (NLP): Analisi di dati testuali in ambito medico.
• Big Data e AI in sanità: Analisi di grandi dataset sanitari, data mining e data cleaning.
• Etica e sicurezza nell'uso dell'AI: Bias, trasparenza, e regolamentazioni in ambito sanitario.
• Strumenti e piattaforme AI

• Tipologie di dati sanitari: Dati strutturati (EHR), non strutturati (immagini, testo), e dati in tempo reale.
• Ciclo di vita dei dati: Raccolta, archiviazione, elaborazione, e conservazione dei dati sanitari.
• Strumenti e tecnologie: Database sanitari, sistemi di gestione e analisi dei dati, cloud computing.
• Interoperabilità: Standard di scambio dati (HL7, FHIR) e integrazione tra sistemi.
• Data governance: Qualità, sicurezza e integrità dei dati sanitari.
• Privacy e regolamentazione: Compliance con GDPR e altre normative sula protezione dei dati sanitari.

• Introduzione alla Data Science: Concetti chiave e applicazioni in sanità.
• Tipologie di dati sanitari: Strutturati, non strutturati, e dati in tempo reale.
• Preparazione dei dati: Data cleaning, integrazione e trasformazione di dataset sanitari. 
• Modelli statistici e Machine Learning: Algoritmi di classificazione, regressione e clustering applicati ai dati sanitari.
• Visualizzazione dei dati: Strumenti e tecniche per la rappresentazione grafica dei risultati.
• Big Data in sanità: Gestione e analisi di grandi volumi di dati sanitari.
• Privacy e sicurezza dei dati: Normative (GDPR) e tecniche per garantire la protezione dei dati.
• Strumenti e piattaforme di analisi: Utilizzo di software e linguaggi come Python, R, e SQL.

• Introduzione alle tecnologie digitali in sanità: Panoramica su telemedicina, mHealth, wearables e dispositivi connessi.
• Cartelle cliniche elettroniche (EHR): Funzionamento, vantaggi e sfide nell’ implementazione.
• Telemedicina e telemonitoraggio: Strumenti per il monitoraggio remoto dei pazienti e la consultazione a distanza.
• Applicazioni mobile e salute digitale: Utilizzo di app per la prevenzione, diagnosi e gestione delle malattie.
• Wearables e dispositivi per il monitoraggio: Tecnologie indossabili per la raccolta di dati sanitari in tempo reale.
• Interoperabilità dei sistemi sanitari: Standard (HL7, FHIR) e soluzioni per l’integrazione di dati tra diversi sistemi.
• Big Data e cloud computing in sanità: Raccolta, gestione e analisi di grandi volumi di dati sanitari.
• AI e automazione in sanità: Applicazioni dell’ intelligenza artificiale per diagnosi, predizione e ottimizzazione dei processi clinici.

• Introduzione all'IA in sanità: Panoramica sulle tecnologie di intelligenza artificiale applicate alla salute.
• Machine learning e deep learning: Tecniche e algoritmi utilizzati per l'analisi di dati clinici.
• AI per la diagnosi medica: Applicazioni nell'interpretazione di immagini mediche (radiologia, istologia, ecc.).
• AI nella predizione e prevenzione delle malattie: Modelli predittivi per malattie croniche e prevenzione personalizzata.
• AI per il supporto decisionale clinico: Sistemi di assistenza per la presa di decisioni cliniche basate su dati.
• Elaborazione del linguaggio naturale (NLP): Applicazioni dell'IA per l'analisi di cartelle cliniche elettroniche e testi medici.
• AI e robotica in sanità: Automazione di procedure chirurgiche e assistenza robotica per pazienti.
• Sfide etiche e legali: Gestione della responsabilità, trasparenza degli algoritmi e conformità normativa.
• Valutazione e implementazione: Metodi per testare, validare e integrare soluzioni AI nei sistemi sanitari esistenti.

• Introduzione ai sensori intelligenti: Tipologie di sensori (biometrici, ambientali, indossabili) e loro funzionamento.
• Tecnologie e piattaforme per i sensori sanitari: Architettura hardware e software per la raccolta e gestione dei dati.
• Sensori per il monitoraggio dei pazienti: Applicazioni in telemedicina, monitoraggio remoto, e gestione delle malattie croniche.
• Integrazione dei sensori con sistemi sanitari digitali: Interoperabilità con cartelle cliniche elettroniche (EHR) e piattaforme di telemedicina.
• Analisi dei dati raccolti dai sensori: Tecniche di data processing, machine learning e visualizzazione dei dati in ambito sanitario.
• Progettazione e sviluppo di soluzioni basate su sensori: Esercitazioni pratiche per configurare e utilizzare sensori intelligenti.
• Sicurezza e privacy dei dati: Misure di sicurezza per la protezione dei dati raccolti dai sensori e conformità alle normative (GDPR).
• Sfide etiche e regolamentarie: Implicazioni etiche e legali nell'uso di sensori per la salute.
• Casi studio e applicazioni reali: Esplorazione di progetti e soluzioni implementate nell'assistenza domiciliare e ospedaliera.

• Fondamenti di etica in sanità: Principi etici e dilemmi nel contesto sanitario e tecnologico.
• Normative sulla privacy e protezione dei dati: GDPR e altre regolamentazioni internazionali sulla gestione dei dati sanitari.
• Etica della tecnologia in sanità: Intelligenza artificiale, telemedicina e il loro impatto etico.
• Sicurezza dei dati sanitari: Pratiche e regolamenti per garantire la sicurezza informatica e la riservatezza dei pazienti.
• Accesso equo alle tecnologie sanitarie: Considerazioni etiche su disuguaglianze e accessibilità alle cure digitali.
• Responsabilità legale e deontologia professionale: Obblighi legali e morali dei professionisti sanitari nell'uso delle tecnologie.
• Autonomia e consenso informato: Diritti dei pazienti e processi decisionali nell'era digitale.
• Valutazione dell'impatto regolatorio: Implementazione e monitoraggio delle normative nei contesti clinici.

• Introduzione alla Digital Health. 
• Tecnologie chiave in Digital Health. 
• Intelligenza Artificiale e Big Data. 
• Interoperabilità e infrastrutture digitali.
• Valutazione delle tecnologie di Digital Health.
• Futuro della Digital Health.
• Regolamentazione e sicurezza. 
• Applicazioni pratiche della Digital Health.

• Introduzione all'Intelligenza Artificiale.
• Machine Learning: Algoritmi supervisionati e non supervisionati.
• Deep Learning: Reti neurali artificiali e architetture principali.
• AI applicata alla sanità: Diagnosi automatizzata, elaborazione delle immagini mediche, analisi predittiva.
• Natural Language Processing (NLP): Analisi di dati testuali in ambito medico.
• Big Data e AI in sanità: Analisi di grandi dataset sanitari, data mining e data cleaning.
• Etica e sicurezza nell'uso dell'AI: Bias, trasparenza, e regolamentazioni in ambito sanitario.
• Strumenti e piattaforme AI

• Tipologie di dati sanitari: Dati strutturati (EHR), non strutturati (immagini, testo), e dati in tempo reale.
• Ciclo di vita dei dati: Raccolta, archiviazione, elaborazione, e conservazione dei dati sanitari.
• Strumenti e tecnologie: Database sanitari, sistemi di gestione e analisi dei dati, cloud computing.
• Interoperabilità: Standard di scambio dati (HL7, FHIR) e integrazione tra sistemi.
• Data governance: Qualità, sicurezza e integrità dei dati sanitari.
• Privacy e regolamentazione: Compliance con GDPR e altre normative sula protezione dei dati sanitari.

• Introduzione alla Data Science: Concetti chiave e applicazioni in sanità.
• Tipologie di dati sanitari: Strutturati, non strutturati, e dati in tempo reale.
• Preparazione dei dati: Data cleaning, integrazione e trasformazione di dataset sanitari. 
• Modelli statistici e Machine Learning: Algoritmi di classificazione, regressione e clustering applicati ai dati sanitari.
• Visualizzazione dei dati: Strumenti e tecniche per la rappresentazione grafica dei risultati.
• Big Data in sanità: Gestione e analisi di grandi volumi di dati sanitari.
• Privacy e sicurezza dei dati: Normative (GDPR) e tecniche per garantire la protezione dei dati.
• Strumenti e piattaforme di analisi: Utilizzo di software e linguaggi come Python, R, e SQL.

• Introduzione alle tecnologie digitali in sanità: Panoramica su telemedicina, mHealth, wearables e dispositivi connessi.
• Cartelle cliniche elettroniche (EHR): Funzionamento, vantaggi e sfide nell’ implementazione.
• Telemedicina e telemonitoraggio: Strumenti per il monitoraggio remoto dei pazienti e la consultazione a distanza.
• Applicazioni mobile e salute digitale: Utilizzo di app per la prevenzione, diagnosi e gestione delle malattie.
• Wearables e dispositivi per il monitoraggio: Tecnologie indossabili per la raccolta di dati sanitari in tempo reale.
• Interoperabilità dei sistemi sanitari: Standard (HL7, FHIR) e soluzioni per l’integrazione di dati tra diversi sistemi.
• Big Data e cloud computing in sanità: Raccolta, gestione e analisi di grandi volumi di dati sanitari.
• AI e automazione in sanità: Applicazioni dell’ intelligenza artificiale per diagnosi, predizione e ottimizzazione dei processi clinici.

• Introduzione all'IA in sanità: Panoramica sulle tecnologie di intelligenza artificiale applicate alla salute.
• Machine learning e deep learning: Tecniche e algoritmi utilizzati per l'analisi di dati clinici.
• AI per la diagnosi medica: Applicazioni nell'interpretazione di immagini mediche (radiologia, istologia, ecc.).
• AI nella predizione e prevenzione delle malattie: Modelli predittivi per malattie croniche e prevenzione personalizzata.
• AI per il supporto decisionale clinico: Sistemi di assistenza per la presa di decisioni cliniche basate su dati.
• Elaborazione del linguaggio naturale (NLP): Applicazioni dell'IA per l'analisi di cartelle cliniche elettroniche e testi medici.
• AI e robotica in sanità: Automazione di procedure chirurgiche e assistenza robotica per pazienti.
• Sfide etiche e legali: Gestione della responsabilità, trasparenza degli algoritmi e conformità normativa.
• Valutazione e implementazione: Metodi per testare, validare e integrare soluzioni AI nei sistemi sanitari esistenti.

• Introduzione ai sensori intelligenti: Tipologie di sensori (biometrici, ambientali, indossabili) e loro funzionamento.
• Tecnologie e piattaforme per i sensori sanitari: Architettura hardware e software per la raccolta e gestione dei dati.
• Sensori per il monitoraggio dei pazienti: Applicazioni in telemedicina, monitoraggio remoto, e gestione delle malattie croniche.
• Integrazione dei sensori con sistemi sanitari digitali: Interoperabilità con cartelle cliniche elettroniche (EHR) e piattaforme di telemedicina.
• Analisi dei dati raccolti dai sensori: Tecniche di data processing, machine learning e visualizzazione dei dati in ambito sanitario.
• Progettazione e sviluppo di soluzioni basate su sensori: Esercitazioni pratiche per configurare e utilizzare sensori intelligenti.
• Sicurezza e privacy dei dati: Misure di sicurezza per la protezione dei dati raccolti dai sensori e conformità alle normative (GDPR).
• Sfide etiche e regolamentarie: Implicazioni etiche e legali nell'uso di sensori per la salute.
• Casi studio e applicazioni reali: Esplorazione di progetti e soluzioni implementate nell'assistenza domiciliare e ospedaliera.

• Fondamenti di etica in sanità: Principi etici e dilemmi nel contesto sanitario e tecnologico.
• Normative sulla privacy e protezione dei dati: GDPR e altre regolamentazioni internazionali sulla gestione dei dati sanitari.
• Etica della tecnologia in sanità: Intelligenza artificiale, telemedicina e il loro impatto etico.
• Sicurezza dei dati sanitari: Pratiche e regolamenti per garantire la sicurezza informatica e la riservatezza dei pazienti.
• Accesso equo alle tecnologie sanitarie: Considerazioni etiche su disuguaglianze e accessibilità alle cure digitali.
• Responsabilità legale e deontologia professionale: Obblighi legali e morali dei professionisti sanitari nell'uso delle tecnologie.
• Autonomia e consenso informato: Diritti dei pazienti e processi decisionali nell'era digitale.
• Valutazione dell'impatto regolatorio: Implementazione e monitoraggio delle normative nei contesti clinici.

• Il corso darà un quadro complessivo dello spazio teorico nuovo aperto dalla riflessione di Karl Marx nella sua opera fondamentale: Il Capitale
• Attarverso le categorie formulate in quest'opera si cercherà di mostrare come il funzionamento della macchina capitalistica implichi l'impoverimento e la distruzione dei due elementi fondamentali che creano la ricchezza: il lavoro e la terra.

• Il modulo consta di una rassegna critica delle teorie scientifiche di cui la nostra società si è avvalsa per acquisire una concezione condivisa del mondo naturale come "sfondo".

• L’analisi di alcune teorie fondamentali (quelle di J. O’Connor, J. Bellamy Foster, P. Burkett, J.W. Moore, A. Malm), che mostrano come le conseguenze della mercificazione di ogni aspetto dell’ambiente e il suo strutturale sfruttamento all’interno delle dinamiche di produzione e riproduzione dei processi capitalistici, consentiranno di meglio definire gli obiettivi nell’ottica di un ripensamento radicale del contesto socio-economico-ambientale in cui ci troviamo.

• L'analisi dell'ecologia politica mette in evidenza il legame tra le questioni ambientali e le dinamiche politiche ed economiche contemporanee. 
• Attraverso l'analisi di una serie di casi studio provenienti dall'Africa a Sud del Sahara, gli incontri intendono proporre una riflessione sulle relazioni tra ambiente, disuguaglianze sociali e asimmetrie di potere.

• Viviamo in un pianeta danneggiato. I recenti dibattiti sull’antropocene e sulla sostenibilità ambientale hanno messo in evidenza la necessità di trovare strumenti concettuali per ripensare criticamente e su scala planetaria la socio-biosfera in cui viviamo al di là dei confini dell’umano.
• Questo corso prende in considerazione questi dibattiti attraverso le lenti dell’antropologia ambientale. produttivi capitalistici e fondati su principi di reciprocità, redistribuzione e cura.

• Il corso intende impostare la questione della relazione fra diritto e natura in modo filosofico-giuridico e socio-giuridico, fornendo da un lato una griglia analitica che problematizzi la relazione fra tecniche giuriche e usi della categoria "natura" e dall'altro che metta in luce criticamente il modo in cui la prassi sociale oggi può "giocare" con l'istituzione della natura
• Si prenderanno anche in considerazione i concetti di ambiente e di biodiversità sempre in relazione al ruolo del diritto. 

• Il ruolo dell’OMS nel definire le priorità sulla salute globale e del WTO nelle politiche di farmaci. Big Pharma: dal caso di Kano in Nigeria, all’influenza H1N1 alla gestione del Covid e la necessità di un ruolo pubblico su farmaci e vaccini. Pubblico e privato nella sanità.

• L'ecologia politica come approccio metodologico allo studio critico dello sviluppo capitalistico (André Gorz, James O'Connor, Ariel Salleh)
• L'ambientalismo operaio come vettore di politicizzazione della crisi ecologica (anni Sessanta e Settanta), poi come grande assente nell'elaborazione della green economy (anni Novanta e Duemila), infine, oggi, come spettro che potrebbe radicalizzare la prospettiva sindacale della Just Transition
• La giustizia climatica come griglia d'intelliggibilità del riscaldamento globale non legata in primo luogo ai dati "ambientali" (concentrazione di C02-equivalente in atmosfera, soglie di sicurezza, etc.), bensì a una dimensione di diseguaglianza, in primo luogo tra Nord e Sud del mondo (anni Novanta e Duemila) e in secondo luogo, oggi, tra classi sociali.

• Il corso propone un'analisi storica della mobilità forzata sin dall'accumulazione originaria, che giunge a criticare le definizioni operanti di migrazioni ambientali e climatiche per evidenziare come i processi di accumulazione originaria sempre ricorrenti e le politiche globali di governo/filtro/contrasto delle migrazioni (in particolare di quelle non richieste dagli Stati, come ad esempio quelle delle persone potenziali  richiedenti protezione) tendano a determinare un regime globale di apartheid (e specificamente apartheid climatico).

Il tentativo è quello di costruire un approccio di ecologia giuridica alle questioni contemporanee che coinvolgono i concetti di: 

• Diritto
• Natura
• Ambiente
• Biodiversità

lo sforzo sarà quello di leggere insieme tecniche giuridiche e prassi sociali al fine di costruire insieme dei modi istituenti all'altezza dell'era delle catastrofi.