La sindrome neuro-oculare associata ai voli spaziali (SANS) rappresenta una delle sfide mediche più pressanti nell’era dell’esplorazione spaziale. Con il crescente numero di missioni di lunga durata, comprendere e prevenire la SANS è diventato cruciale per garantire la salute e la performance degli astronauti. Questa tesi magistrale, sviluppata in collaborazione con la SISO e con il supporto di ricercatori della NASA, mira a sfruttare un vasto dataset clinico per condurre analisi esplorative, statistiche e modellazioni predittive, sia non supervisionate che supervisionate. Attraverso la ricerca di signature, pattern e insight nei dati, l’obiettivo finale è sviluppare un sistema innovativo per assistere i clinici nei processi decisionali, ottimizzando le contromisure per prevenire e trattare la SANS.
PREREQUISITI
Candidati con background in informatica, intelligenza artificiale o data science. Competenze in analisi dei dati, machine learning e capacità di lavorare con dataset complessi sono essenziali. Interesse per la medicina aerospaziale e disponibilità a collaborare in un contesto multidisciplinare internazionale.
OBIETTIVI FORMATIVI
• Acquisire competenze nell’analisi di grandi dataset clinici e nella loro interpretazione nel contesto della fisiopatologia della SANS.
• Sviluppare e validare modelli predittivi per supportare i processi decisionali clinici.
• Contribuire a un progetto di ricerca di rilevanza internazionale, interfacciandosi con esperti nel campo dell’oftalmologia spaziale e dell’intelligenza artificiale.
DURATA DELLO STAGE/TESI E CONTESTO RACCOMANDATO
Adatto a: Tesi di Laurea Magistrale.
Durata: 6 mesi (circa) per la tesi.
MODALITA’ E ORARI DI LAVORO
Il lavoro sarà principalmente remoto, con incontri periodici (online o di persona) per discutere l’avanzamento del progetto. Gli obiettivi saranno definiti su base settimanale. Impegno a tempo pieno con obiettivi definiti in collaborazione con i tutor.
CONTATTI
Per candidarsi, contattare il Dott. Luca Marconi all’indirizzo email: luca.marconi@unimib.it e in cc il Prof. Federico Cabitza (federico.cabitza@unimib.it), avendo cura di allegare il proprio CV e riportare eventuali esperienze pregresse rilevanti (vedere sezione “Prerequisiti”).