INTRODUZIONE ALL’INFORMATICA - Paterni

Lezione 27/10/2022

SISTEMI INFORMATIVI – INTRODUZIONE GENERALE

• Dati → valori che assumono gli oggetti nella realtà indipendentemente dal contesto,
ad esempio i valori massimo e minimo di pressione arteriosa, validi sia se misurati in
ospedale che a casa
• Informazione → interpretazione del dato in un preciso contesto che permette di
associare un significato, ad esempio il dato di pressione superiore al valore di soglia,
il significato che ne estrapoliamo è un sospetto di ipertensione
o Il dato è un valore, l’informazione è l’interpretazione di quel valore
• Conoscenza → dall’informazione si arriva al modello che descrive quel
comportamento della realtà

Dati, informazione e conoscenza sono strettamente correlati tra di loro e tutta questa
correlazione la dobbiamo rappresentare con i sistemi informativi.
Un sistema informativo è l’insieme di infrastrutture, procedure organizzative, risorse
umane che permette di gestire le informazioni prodotte che vengono estratte dei dati, di
conseguenza gestiamo i dati.
Un sistema informativo ha diverse funzioni:
• Raccogliere dati
• Archiviare i dati raccolti
• Elaborazione dei dati per trasformarli in informazione e al bisogno vengono anche
distribuiti → non è detto che un sistema informativo sia necessariamente
informatico, anche il foglio firme è un sistema informativo
Le informazioni gestite sono caratterizzate da:
• Contenuto
• Il tempo per il quale queste possono essere disponibili, questa caratteristica è utile
per la funzione di “distribuzione”
• Il luogo dove le informazioni sono rese disponibili
• La forma con cui vengono presentate

1
Un esempio di sistema informativo in ambito ospedaliero possono essere i vari dati che
possiamo raccogliere in un laboratorio di analisi. Oggi abbiamo l’informatica che aiuta nella
gestione dei dati, la gestione viene ottimizzata.
Entrare in un sistema informativo di tipo informatico comporta entrare in una
ristrutturazione di tutto il sistema informativo, alla fine si ottengono dei vantaggi ma la
trasformazione può essere non particolarmente semplice e se non gestita correttamente
potrebbero presentarsi una serie di problematiche.
L’importante è ricordare che un sistema informativo non necessariamente è di tipo
informatico ma se lo è, il tutto migliora nettamente in termini di ottimizzazione della
gestione.

Come possono essere i sistemi informativi?

• Formale → sistema informativo che struttura la raccolta dei dati in qualche modo
(colonna nome, cognome, firma… abbiamo una strutturazione precisa
dell’informazione ed i singoli dati saranno ricercati con più facilità)
• Informale → sistema informativo che risulta neutrale, non possiede alcuna
struttura da seguire; corrisponde al classico referto del medico, la scrittura è in
maniera libera senza seguire codici.
Un sistema formale con una strutturazione semplifica la ricerca dell’informazione ma allo
stesso tempo ho una sorta di “gabbia” rispetto a quello che voglio esprimere; in questo caso
il sistema informale permette di esprimere qualsiasi concetto in maniera libera anche se la
ricerca è molto più lunga ed è da interpretare.

PRINCIPALI TIPOLOGIE DI DOCUMENTAZIONE SANITARIA

• Risultato → esito di qualunque esame diagnostico (misuro la pressione ed ottengo

dei dati), il puro esito degli esami diagnostici
• Referti di laboratorio → più strutturati dove, accanto al singolo esito e
all’interpretazione “banale”, abbiamo risposte più specifiche come range di normalità
di un dato o commenti al valore ottenuto, si aggiunge una valutazione
• Referto → atto scritto con il quale il medico valuta i risultati di esami diagnostici
interpretandoli in relazione alle condizioni del paziente
• Certificato → come un referto ma ha come principale obiettivo quello di attestare
l’aderenza a determinati criteri (idoneità a una mansione lavorativa, idoneità
sportiva); attesta la competenza a poter svolgere qualcosa
• Cartella clinica → fascicolo nel quale si raccolgono tutti i dati (anamnestici, clinici
e di malattia) di un paziente ricoverato, sia che il percorso sia breve che no; sono tutti
quei dati che vengono raccolti da quando entra a quando esce dall’ospedale in
conseguenza ad una attività che può essere vista nella sua globalità di un arco
temporale
2
 • Cartella ambulatoriale → non si parla di ricovero ma di un ambulatorio, si
raccolgono alcuni dati ed è temporalmente più breve della cartella clinica
• Documentazione legata alle immagini
Troviamo quindi una grande varietà nella gestione dei dati; abbiamo tre concetti molto
importanti da tenere in considerazione:
• CCE → cartella clinica elettronica, l’insieme dei dati che vengono raccolti da un
unico organismo sanitario in un unico accesso clinico-diagnostico-assistenziale, ad
esempio un ricovero ospedaliero
• DSE → dossier sanitario elettronico ovvero l’insieme dei dati sanitari prodotti da un
unico organismo ma riferiti a più professionisti o accessi della stessa struttura (ad
esempio, pz ricoverato 3 volte nello stesso ospedale ha 3 cartelle cliniche che nel loro
insieme formano il dossier). È un modo per raccogliere le informazioni in un unico
punto e deve essere sottoposto a privacy e criteri di sicurezza più stringenti (poiché i
dati raccolti sono anche relativi a più accessi
• FSE → fascicolo sanitario elettronico, può essere visto come l’insieme di molti
dossier, l’insieme di tutti i dati sanitari di un paziente provenienti anche da diverse
strutture e con diversi accessi nel corpo del tempo (ad esempio, un ricovero a Pisa,
uno a Lucca, esami a Pistoia… se autorizzati possono con confluire in questo unico
documento)
A ciascuna di queste tre corrispondono obblighi ed attenzioni diverse.

3
HIS, RIS, PACS
Sebbene l’informatica non sia essenziale per costruire un sistema informativo, ha prodotto
dei vantaggi importanti ed oggi nel mondo sanitario i sistemi informatici sono prettamente
informatici.

1. HIS

In ambiente ospedaliero, il primo sistema informativo è quello ospedaliero: gestisce i

dati in una struttura ospedaliera (HIS ovvero Hospital Information System ma anche SIO
in italiano). Mette in correlazione tutte le attività e deve integrare tutte le funzionalità dei
vari reparti gestendo principalmente la cartella clinica.
Questo perché se il paziente arriva in un reparto e poi viene
trasferito in un altro, il nuovo reparto può accedere ai precedenti
dati grazie a questo sistema. Ci sono delle singole realtà con
esigenze più specifiche e particolari come i dati raccolti in una
radiologia (immagini) rispetto a quelle di un laboratorio di analisi
(campioni e dati estratti); le varie informazioni sono nettamente
diverse. È utile un unico sistema generico ma le singole realtà
hanno esigenze specifiche particolari che spesso però non hanno necessità di essere tutte
condivise tra i vari reparti. Alcuni dati e informazioni sono tipici di una unità funzionale ed
è per questo che, a fronte di un sistema informativo generale (HIS) ci sono sottosistemi
specifici per svolgere funzioni tipiche di una certa area ovvero i sistemi informativi
dipartimentali:
• RIS → radiologia
• LIS → laboratorio
• PIS → farmacia

2. RIS

Radiology Information System, tratta tutti i dati e informazioni necessari ad un reparto

di radiologia per funzionare, non contiene solo immagini ma anche dati informativi,
contabili, guasti, turni di lavoro… le funzioni principali gestite da questo sistema sono legate
a certe funzionalità:
• Registrazione esame
• Gestione dell’esame
• Gestioni accessorie relative all’esame (quello che riguarda turnazioni di lavoro, guasti
degli apparecchi, non conformità)
• Gestione tecnica (impostazioni della macchina)
• Gestione storica dell’esame

4
Il RIS poi interagisce con HIS; inoltre, all’interno del RIS troviamo il PACS ovvero il sistema
informativo che gestisce le immagini.

Funzioni del RIS “ideale”:

• Registrazione esame
o Richiamare l’anagrafica del paziente ovvero avere una serie di funzionalità
informatiche dove si gestisce l’anagrafica del paziente (solitamente richiamata
da HIS) ed eventualmente correggerla
o Generare identificativo unico del paziente
o Gestione dei tempi di esecuzione
o Gestione dei dati contabili
o Una volta immessa la richiesta di prenotazione, questa viene gestita a seconda
dell’urgenza
o Fatturazione, come farla e come comunicarla
• Gestione operativa dell’esame
o Gestione della worklist che può essere anche modificata in tempo reale; non
tutte le funzioni sono però visibili a tutti ma ciascuno gestisce solo quelle di
propria competenza
o Controllare lo stato dello studio che sto conducendo
o Funzioni che riguardano l’esecuzione dell’esame (identificato il personale
sanitario, eventuale materiale consumabile, visualizzazione dei precedenti…)
o Refertazione dell’esame
• Gestione storica dell’esame
o L’esame eseguito e viene archiviato
o Distribuzione a chi è autorizzato a vederlo e gestirlo
o Possibilità di eseguire statistiche
• Gestione tecnica applicativa
o Esiste sia una parte che l’utente non vede e serve a garantire riservatezza ma
anche vari dati che altro personale non può visualizzare, ognuno vede quello
per cui è competente
o sicurezza attraverso un pannello di configurazione, gestione del profilo
• Gestioni accessorie
o Gestione della strumentazione con monitoraggio e corretto utilizzo dei
macchinari
o Gestione del personale, orari di servizio
o Integrazioni HIS/PACS, le informazioni devono integrarsi tra di loro

Il sistema informativo della radiologia interagirà fin da subito con il sistema informativo
ospedaliero. Nella fase di esecuzione dell’esame, il sistema RIS interagisce con il PACS.

5
La richiesta esterna solitamente arriva dal CUP che ritroviamo a livello dell’HIS, subito c’è
uno scambio di informazioni che derivano dall’HIS stesso. Alla fine, qualunque cosa
succeda, HIS e RIS “chiacchierano” tra di loro, nel caso di interruzione ci sono procedure di
emergenza ma il tutto viene rallentato. Se alla prenotazione c’è questa stretta correlazione
tra HIS e RIS, allo stesso modo c’è nel momento dell’accettazione perché dobbiamo
riprendere i dati anagrafici, ricontrollati e semmai corretti; questo sia in caso di ricovero, di
esame singolo ma anche in caso di ricovero da PS o reparti di degenza. Anche in fase di
refertazione, questo insieme all’immagine deve essere resa poi disponibile a tutto l’HIS in
quanto magari anche un altro reparto deve poterla visualizzare. L’integrazione tra il sistema
specializzato e quello ospedaliero è continua.
Il RIS, come abbiamo visto, dovrebbe realizzare una serie di azioni; quindi, abbastanza
complesso ma non ha la capacità di trattare le immagini, questo è compito del PACS.

3. PACS

Il PACS o Picture Archive Communication System è un sistema specializzato che si occupa

di archiviazione, trasmissione, visualizzazione e stampa delle immagini; le mette a
disposizione attraverso i diversi sistemi di comunicazione. Il RIS comanda sul PACS senza
gestire la comunicazione delle immagini. Le immagini prodotte possono essere modificate e
visualizzate tramite PACS, vengono poi gestite ed instradate dal RIS ed il tutto si trova
all’interno dell’HIS. È importante che tutto venga archiviato qui in maniera standard, in
passato succedeva che l’immagine prodotta da un macchinario di un certo produttore non
era compatibile alla visualizzazione su un altro macchinario di un altro produttore; si
riscontrava quindi un grande problema a livello della comunicazione, il tutto è stato
compensato tramite l’inserimento di una serie di standard che in seguito vedremo.

Funzioni del PACS:

• Acquisire
• Visualizzare
• Archiviare
• Distribuire
Il RIS può prendere le immagini dal PACS ma non
ha queste funzioni; tutto viene fatto attraverso infrastrutture di rete informatica che
permette di distribuire in maniera rapida.
L’infrastruttura sarà fatta dalle modalità diagnostiche ovvero le macchine che producono le
immagini, calcolatori addetti alla visualizzazione, di archivi digitali e sistemi di stampa.
In conclusione: il PACS serve a acquisire, visualizzare, archiviare e distribuire immagini
diagnostiche in formato digitale utilizzando una struttura informatica e di rete composta da
macchine che producono le immagini, workstation che permettono la visualizzazione e
refertazione, un archivio digitale e sistemi che permettano la stampa e la masterizzazione.
6
 Lezione 31/10/2022

Il PACS è un archivio dove mettere le immagini ma deve permettere anche la comunicazione

a distanza, visualizzazione e stampa, tutto questo utilizzando una architettura di rete
classica.

Principali architetture di PACS che vengono utilizzate:

• Client-Server
• Distributed system
• Web-based system

1. CLIENT SERVER

Si chiamano “server” tutti quei calcolatori che forniscono un servizio come, ad esempio, ciò
che ci permette di vedere una pagina web; il “client” è il cliente che usufruisce del servizio.
Quando si parla di architettura Client-
Server si fa riferimento a un calcolatore
che fornisce un servizio ed un cliente che
ne beneficia. Questa architettura
nell’ambito del PACS si basa
sostanzialmente su un server centrale che
svolgerà tutte le funzioni tipiche del PACS
ed il client che andrà a prendere le
immagini per visualizzarle.
Abbiamo un nodo centrale, il server, che fornisce un servizio mentre gli utilizzatori di quel
servizio chiederanno le immagini secondo una policy aziendale (che ci informa su chi può
fare cose e quando) per visualizzarle. Sul client l’immagine c’è solo nel momento di
visualizzazione perché le funzioni di archiviazione stanno sul server centrale. La maggior
parte dei client permette anche modifiche nell’immagine (dati, sfenestrature…); le modifiche
sono poi salvate sul server in seguito.

Tutto fa riferimento ad un unico calcolatore centrale che svolge le funzioni di

memorizzazione e codifica delle immagini, tutto il resto delle strutture che producono
immagini gli orbitano intorno e le inviano al server; altrettanto faranno riferimento al server
anche tutte le macchine che servono alla visualizzazione delle immagini, ognuno fa
riferimento al server tramite un servizio diverso ma tutte lo utilizzano. Al server può
accedere anche il RIS.
In questa architettura, tutto fa riferimento ad un nodo centrale che corrisponde al nostro
server. Se va in down il server, tutto rimane bloccato.

7
 • La caratteristica principale di questa architettura è che fa riferimento a qualcosa di
centrale quindi è disponibile ovunque purché ci si possa collegare al server ma se il
server si blocca, si blocca ogni servizio.
• L’architettura è molto semplice ma la vulnerabilità è alta, un singolo punto di errore
blocca tutto
o per evitare ciò ci basiamo sul concetto della ridondanza ovvero c’è un server
che lavora in maniera parallela e, in caso di down, è pronto a funzionare.
o Inoltre, un’altra vulnerabilità però tipica dei sistemi informatici, il sistema
dipende dalla rete; in questo caso le immagini possono essere archiviate
localmente fino al ripristino della rete.

Un altro aspetto tipico dell’architettura Client-Server è la presenza di un software su client

ed uno sul server per potersi interrogare e rispondere a vicenda.

2. DISTRIBUTED SYSTEM

In un’architettura distribuita abbiamo una situazione diversa, le immagini non fanno

riferimento ad un server centrale ma vengono distribuite su più calcolatori che non sono
server ridondanti; un’immagine va da una parte ed una va su un altro. Non abbiamo più un
nodo centrale ma abbiamo molte macchine e stazioni di visualizzazione e le immagini
distribuite su vari calcolatori; con queste modalità, in parte, si elimina la dipendenza dal
nodo centrale ma abbiamo
immagini che vengono
distribuite e quindi nasce la
necessità di sapere dove queste
sono state archiviate.
Nel software ci deve essere una
procedura di “routing” ovvero di
smistamento delle immagini e
di “reindirizzamento” per poterle ritrovare.
Apparentemente più robusto del Client-Server ma di fatto più difficile da gestire e, dato lo
smistamento delle immagini, è più facile che si verifichino dei disallineamenti ovvero se
qualcuno modifica una immagine non si sa più quale è quella buona o no.
• Non c’è un archivio centrale come punto di errore e di blocco del sistema
• Meno dipendente dalla velocità di rete
• Dato che le immagini possono convivere come copie diverse, se uno perde
un’immagine, io la posso recuperare anche da altre work station
Siccome però le immagini sono distribuite, ci deve essere una police di distribuzione su dove
le immagini vanno a finire, il sistema diventa più complesso da gestire.

8
 3. WEB-BASED SYSTEM

Un’architettura che si sta molto affermando ma riconducibile a quelle precedenti è quella

WEB-Based, è simile ad una Client-Server con la differenza che non ho bisogno di installare
un software particolare per interrogare il server ma uso la tecnologia utilizzata per navigare
sul web (Chrome, Safari…). Il Server è accessibile con la stessa tecnologia usata per navigare
sul web.
Chiunque, senza istallare un software particolare, può andare sul server e fare tutte le
funzioni tipiche del server, garantendo comunque delle funzioni di sicurezza nell’accesso
(credenziali…).
• Vantaggi: non si richiede un hardware specifico
• Svantaggi: non possiamo istallare plug-in che permettono di svolgere funzioni in
particolare; in questo caso c’è completamente la dipendenza dalla rete, quindi, la
connettività è il maggior ostacolo al funzionamento.

ACQUISIRE - SISTEMI DI ACQUISIZIONE

La prima parte del PACS riguarda l’interfacciamento. Il PACS permette di acquisire,

registrare, comunicare e visualizzare, e questo verrà fatto tramite sottosistemi specifici. La
parte più importante è quella di acquisizione, che si interfaccia con le modalità diagnostiche
(TC, RM…) o digitalizzatori (scanner).
Rispetto al sistema di acquisizione, c’è un’interfaccia, il cosiddetto “gateway di
acquisizione” che dialoga con la macchina e produce immagini per fare il primo accesso:
se da una parte abbiamo dispositivi che producono immagini in modalità diagnostica,
dall’altra parte abbiamo un computer che interfaccia questi dispositivi con il server archivio
PACS.
La prima parte del PACS è una parte di interfacciamento con la macchina che produce
immagini. È importante parlare di questo perché:
• Immagine potrebbe essere non compatibile col server
• L’immagine potrebbe essere oggetto di un pretrattamento come ad esempio alcune
selezioni o modifiche
• Scartare delle immagini
L’interfaccia di acquisizione permette di acquisire e di convertire nel formato standard del
PACS e, in caso di necessità, pretrattare un’immagine (piccole modifiche prima di inviare
l’immagine).
L’acquisizione avviene tra due sorgenti principali, quella diretta o attraverso supporti
analogici (scanner che converto l’immagine in digitale). A questo punto il nodo centrale
del PACS diventa un database. Il server è il nodo principale, quindi il database server è quello
con tutte e funzionalità più importanti perché ci sono i dati ed anche le funzionalità per
gestirle.

9
VISUALIZZARE - LE STAZIONI DI VISUALIZZAZIONE

Ci sono una serie di stazioni che permettono di visualizzare le immagini e i sistemi

informatici hanno molto cambiato le modalità con cui avvengono oggi giorno queste
visualizzazioni.
• Stazioni di lettura per radiologi
o miglior qualità di visualizzazione
• Stazioni per altri medici
o possono valutare la stessa immagine, avere un livello di qualità anche
leggermente inferiore
o solitamente ci sono anche meno funzionalità
• Stazioni per personale tecnico
o deve permettere di rivedere le immagini acquisite
o buona di qualità ma non importa talmente fini come quelle del medico
radiologo
o solitamente ci sono anche informazioni di anagrafica del paziente e poter
eventualmente fare delle correzioni sull’immagine prima di salvarla
• Stazioni di servizio
Quattro diverse stazioni perché ogni figura ricerca cose diverse; ognuno ha un ruolo specifico
principale e collocate in zone strategiche per lo specifico bisogno.

MEMORIZZARE - MEMORIZZAZIONE DEI DATI

La memorizzazione PACS avviene solitamente a due livelli:

• Breve termine → ci sono immagini che devono essere disponibili con un accesso
rapido e veloce come quelle degli ultimi periodi e relativi, ad esempio, al ricovero
attuale di un paziente
• Lungo termine → inserisco quelle immagini di cui posso aver bisogno ma non
rapidamente
I sistemi di memorizzazione sono costosi in termini di infrastrutture e di hardware; quindi,
utilizzerò quelle più costose per implementare quelle a breve termine mentre le altre per le
tecnologie che possono essere accessibili anche a lungi termini posso usare anche sistemi
meno costosi.

1. BREVE TERMINE

Avere dischi magnetici, il sistema più rapido che ci possa essere ma anche quello più
costoso. Solitamente questi dischi devono garantire grandi dimensioni ma anche solidità,
per cui quando si lavora con questi si usa un approccio di tecnologia RAID.
• Questa architettura prevede di utilizzare più dischi insieme per aumentare lo spazio
o la sicurezza nei confronti della perdita dei dati replicando i dischi
10
 2. LUNGO TERMINE

Sono quelli di cui non c’è bisogno veloce quindi si possono usare dispositivi anche lenti nel
loro accesso come nastri magnetici, dischi magneto-ottici; spesso per poterli utilizzare si
utilizzano dei jukebox. Accesso più lento e sono anche meno costose.

STORAGE DEVICES

• DAS (Direct Attached Storage) → Questa memorizzazione fatta da dischi magnetici

con tecnologia RAID potrebbe essere connessa direttamente alla macchina che lo
utilizza. È la tecnologia più semplice e più utilizzata.
• NAS (Network Attached Storage) → Il sistema di memorizzazione potrebbe essere
collegato ad una rete e parliamo dell’architettura NAS, gli elaboratori vedono il
sistema di memorizzazione attraverso una rete. Non è più collegato alle macchine in
maniera diretta ma arriva a questi passando dalla rete, infatti risulta un sistema
ampiamente condiviso. Il grosso svantaggio di questa tipologia è che tutto dipende
esclusivamente dal traffico di rete. Per ovviare a questo problema è nata un’altra
tecnologia
• SAN (Storage Area Network) → le macchine che si occupano di memorizzazione sono
collegate tramite una sottorete che non è quella principale; quindi, non vanno ad
impegnare il traffico sulla rete principale. Si stratta di una tecnologia NAS ma
realizzata su una sottorete.
Ci sono differenze tra un NAS e un SAN. Il NAS sta sulla rete e quindi risulta come un
qualsiasi altro device in rete, può essere quindi accessibile anche con un client ma in ogni
caso le informazioni transitano sulla rete. Solo la SAN permette di deviare questo transito in
una sottorete.

DISTRIBUIRE - NETWORKING

In un sistema PACS è fondamentale in quanto si ha sempre bisogno di rete per far circolare
le immagini, la rete deve essere una rete standard altrimenti le macchine non possono
parlare tra di loro; ancora più importante è che i protocolli siano standard (TCP/IP per
quanto riguarda la rete).
Non solo è importante che il protocollo di rete sia standard ma anche l’informazione che io
faccio viaggiare sulla rete stessa deve risultare standard (DICOM 3 HL7).
Concetto fondamentale: tutto viaggia su rete.
Concetto di “Banda” → capacità della rete di trasmettere informazioni, la velocità con cui
trasmetto le informazioni sulla rete.
È importante che la quantità di informazioni che trasmetto sia adeguata alle dimensioni del
canale. Ogni canale ha la sua capacità di trasmettere dati e non posso inviarne di più; se a

11
un certo punto abbiamo un restringimento (tratto di rete che mi fa rallentare) la mia
informazione viaggia ad una velocità ridotta.
Il modo con cui solitamente si cerca di ovviare ad una banda piccola è la “compressione”
ovvero dei sistemi per cui il dato mi occupa meno spazio (stessa cosa di WinRAR), si usano
programmi che si basano su procedure statistiche e deterministiche che permettono al dato
di occupare meno spazio.
È importante avere una banda veloce poiché la grandezza dell’esame e la velocità della rete
influenzano il tempo da attendere perché l’esame venga inviato. La quantità di dati può
essere grande al punto che, se la rete non è performante, ci vuole abbastanza tempo, quindi
lavorare in maniera lenta.

L’AMMINISTRATORE DI SISTEMA

È necessario l’utilizzo di standard per integrare i diversi sistemi:

• DICOM → come standard per la gestione delle immagini
• HL7 → per quanto riguarda tutto il resto, standard per la gestione dei dati

È necessario che tutto questo ambiente integrato venga gestito, chi si occupa di ciò è
l’amministratore di sistema ovvero quella persona a cui è conferito il compito di
sovrintendere alle risorse del sistema operativo di un elaboratore o di un sistema di base dati
e di consentire l’utilizzazione.
Il sistema è complesso perché fatto composto da molti calcolatori e da informazioni che
devono essere tenute sotto privacy in quanto “fanno gola” ad una serie di aziende che
potrebbero trarne beneficio. Inoltre, il dato medico, se alterato, mette in crisi la sicurezza
del paziente.
L’amministratore di sistema ha varie funzioni:
• Attività giornaliere → verificare se ci sono immagini “disallineate” ovvero più di
una versione della stessa immagine quando questa viene modificata.
• Attività periodiche → fatte con tempi più lunghi come backup dei dati, riavvio
pianificato dei server, statistiche, prove di verifica nella validità di sicurezza
• Attività occasionali e straordinarie → assegnazione di nuove utenze,
formazione, manutenzione delle apparecchiature

NUOVE TECNOLOGIE IN SANITÀ – IL CLOUD

Informatizzare un sistema ospedaliero per avere le funzionalità comporta un investimento

finanziario notevole. Per questo stanno emergendo soluzioni come il cloud computing.
Il cloud ovvero “nuvola” va a rappresentare un servizio offerto esternamente ovvero in
remoto con tecnologie e caratteristiche che non si vedono; vado a utilizzare un servizio che
io non posso vedere come viene realizzato, non conosco le macchine che ne prendono parte
12
ma conosciamo solo quello che ne esce. Rappresenta un insieme di tecnologie offerte come
un servizio da un provider e le vediamo nella sua globalità; utilizziamo infrastrutture e
applicazioni remote di cui usufruiamo prendendone la parte finale senza sapere cosa ci sta
dietro.
Il NIST da delle definizioni per cui un servizio può essere definito cloud:
• Self-service On Demand → l’utente deve essere in grado di gestire in maniera
autonoma le caratteristiche del servizio come, ad esempio, voler aumentare la
dimensione del servizio cambiando impostazioni in maniera autonoma senza andare
a pensare come questo cambiamento verrà gestito dall’organizzatore del servizio
stesso.
• Accesso via rete → tipico di ogni sistema da remoto
• Condivisione delle risorse → quando chiediamo di gestire una certa quantità di dati,
le risorse non sono messe a disposizione del singolo ma sono in comuni a più utenti
secondo un modello multiutenza
• Scalabile e rapido → ovvero aumentare/diminuire le sue prestazioni in funzione della
richiesta
• Misurabilità del servizio fornito

I principali modelli di cloud sono:

• Infrastructure as a Service (IaaS) → viene fornito in remote una infrastruttura come
ambiente di esecuzione dei programmi, risorse di rete, capacità di memorizzazione.
• Platform as a Service (PaaS) → la struttura è come la precedente ma possiamo
sviluppare anche semplici applicazioni
o Gmail è un servizio di posta elettronica che mette a disposizione una certa
capacità di invio, recezione e memoria per i messaggi attraverso risorse di rete;
non possiamo sviluppare un software di posta elettronica diversa
• Software as a Service (SaaS) → queste permettono di far girare una nostra
applicazione direttamente nel cloud e tutta l’infrastruttura sottostante è a carico del
provider
Ci sono poi anche altri servizi come quello di storage (memorizzazione) delle informazioni.
Esistono anche tipologie di cloud classificate in base alla riservatezza ed al modo di
condividere.
• Private cloud → servizio gestito per una singola organizzazione, ad esempio una
clinica necessita di un servizio solo per sé (è il sistema più sicuro tra tutti)
• Community cloud → il servizio viene gestito per un gruppo di organizzazioni ma
comunque non per tutti
• Public cloud → il servizio è disponibile per un pubblico in generale (Gmail, Drive,
DropBox)

13
 • Hybrid cloud → le organizzazioni utilizzano più tipologie di cloud delle tipologie
sopra dette
Il vantaggio principale è il costo in quanto chi mette insieme questo servizio è competente
e lo fornisce a molte altre aziende, quindi, può permettersi di abbassare sensibilmente i costi,
la gestione viene effettuata on demand e le infrastrutture sono tutte di proprietà di chi
fornisce il servizio, in questo modo non abbiamo risorse inutilizzate; infine, la rottura di un
calcolatore non influisce sul mio flusso di lavoro.
Gli svantaggi invece sono principalmente due, uno legato al flusso di rete e l’altro legato al
fatto che i miei dati viaggiano su rete e sono gestiti da terzi, si trovano in un cloud di cui io
non sono a conoscenza di nulla; quindi, posso rischiare di perdere il controllo dei dati.

Cloud e sanità possono convivere?

Uno dei principali problemi è quello della sicurezza ovvero sapere come i dati vengono
gestiti e trattati o se questi possono essere persi. Ci sono delle attenzioni da prendere in
considerazione per evitare questi rischi.
Dobbiamo conoscere quali sono le protezioni che il fornitore adotta contro eventuali
virus o perdite di dati, dobbiamo conoscere chi è il reale fornitore del servizio e quali vincoli
ha nella cessione del servizio a fornitori esterni. Quali sono le misure di confidenzialità
che vengono adottate nell’ambito di questi server perché ci possono essere modalità in cui il
fornitore si trova i dati criptati in arrivo al cloud (la problematica è la gestione di questa
parte di cifratura, questo significa che una parte del lavoro del cloud me la gestisco io), anche
la collocazione del server è importante ed è bene che si trovino in paesi dove sono
presenti garanzie e tutele legali.
È bene avere anche garanzie sul piano di emergenza dato che la sicurezza completa non
si può mai avere, questo piano di emergenza deve poi essere ricollegato anche alle varie
opzioni che posso avere per recuperare i dati ed eventualmente questi non possano essere
recuperati, avere delle assicurazioni sul danno.

14
HL7 – High Level 7
La strutturazione dell’informazione è stato uno dei maggiori “sforzi” degli ultimi 30 anni
perché spesso l’informazione nel mondo sanitario è destrutturata e non rispetta i modelli;
noi vogliamo che l’informazione che nasce in un determinato luogo ospedaliero possa
sopravvivere anche all’esterno. Oggi però molti documenti sono di tipo destrutturato come
appunto referti clinici e possono essere condivisi solo tramite questa modalità ovvero come
testi destrutturati.
Oggi i sistemi informativi hanno una forte esigenza di scambiare tra di loro informazioni, di
interoperabilità.
• Capacità di due o più sistemi, o componenti del sistema, di scambiare informazioni
ed usarle
Sono due quindi i concetti fondamentali, scambiare informazioni e utilizzarle e
comprenderle. Questa interoperabilità nel mondo sanitario, nonostante abbia fatto passi da
gigante, rimane sempre un punto debole, l’informatizzazione in questo mondo è iniziata con
una modalità per cui ogni ospedale iniziava a adeguarsi ai tempi senza una linea comune per
cui le informazioni non potevano essere scambiate; risulta molto importante oggi giorno
scambiare e comprendere col giusto significato le informazioni scambiate.
Proprio per questo nasce HL7.
Prima dell’informatizzazione, lo scambio
delle informazioni avveniva “a mano”,
per cui si pensò subito di usare un
sistema di comunicazione elettronica;
questo passaggio si è scontrato in una
Babele di linguaggi in cui i vari sistemi
utilizzavano standard e modalità molto diversi tra di loro.
Nasce a questo punto l’esigenza di standardizzare e lo standard a nascere prende il nome di
HL7 (standardizzare qualunque tipo di dato sanitario, non immagini, tra i vari reparti).
Nasce come standard in risposta all’integrazione, nella sua missione c’è l’interoperabilità.
• Standardizza modo in cui gestire le informazioni, il flusso di dati nell’intero
complesso ospedaliero
• Rende le varie entità del mondo sanitario interoperabili
• Standard di messaggistica → standardizza il modo in cui un messaggio viene mandato
da un reparto all’altro

Perché questo termine?

Quando si parla di comunicazione, si fa riferimento al modello ISO/OSI che struttura la
comunicazione in 7 livelli, di cui ciascuno ne rappresenta un aspetto. Ad esempio, partendo

15
dal primo livello, quello fisico, possiamo chiederci se utilizzare
un filo di rame o una fibra ottica; poi mi chiedo come collegare
il mezzo fisico, come trasporto l’informazione… e così via fino ad
arrivare all’applicazione.
Il livello di applicazione è quello più alto e qui troviamo HL7,
gestisce dati sanitari utilizzando le varie componenti
dell’architettura di rete per comunicare e trasmetterli.
Non fa riferimento agli aspetti implementativi, il dato codificato in HL7 posso trasmetterlo
in qualsiasi modalità, facciamo invece riferimento a come il messaggio deve essere
strutturato e comunicato (indipendentemente da come io lo vado a trasmettere).

Come funziona?
È un sistema che standardizza la messaggistica, ovvero ci sono una serie di messaggi che
partono in conseguenza ad un evento trigger, questo messaggio va nel network e viene
spedito, inoltre viene inviata una conferma di recezione.
Ogni tipo di messaggio è codificato da tre lettere che identificano il tipo di messaggio.
Oltre ad una serie generica di messaggi presenti negli standard, ci possono essere esigenze
tipiche di una struttura che necessitano della creazione di nuovi messaggi e questi iniziano
con la lettera Z. Ciò è un vantaggio perché si può creare un qualcosa di personalizzato ma
“usciamo” dal concetto di interoperabilità in quanto altre strutture non possono
interpretare, quindi sarebbe bene usare questo tipo di messaggi il meno possibile.
Un messaggio HL7 è solitamente costituito da una sequenza ordinata di segmenti, i segmenti
sono costituiti da campi e sottocampi.
• MSH → tutte le informazioni di mittente e destinatario
• EVN → informa sul tipo di evento
• PID → informazioni sui dati anagrafici del paziente
Alcuni di questi non potrebbero essere necessari in ogni messaggio.
Solitamente il messaggio è testuale e ci sono dei caratteri che separano i campi, i segmenti
ed i messaggi.
Come tutti gli standard, inizialmente ha avuto un grande successo ma presentava una serie
di limiti, potevano essere inseriti qualsiasi tipo di dati anche se poco legati ai processi
organizzativo, erano necessari vocabolari controllati e non c’erano supporti alle funzioni per
la sicurezza. Per questo nel 2005 nasce la versione 3.0.
In HL7 troviamo una tipologia di formato chiamato ASCII per cui i programmatori si sono
organizzati nelle modalità di comunicazione in modo da far inserire solo determinate
tipologie di dati in un certo ordine (nome, cognome, sesso, via…); tutto questo però ha una
serie di limiti in quanto non rappresentano dati gerarchici, è facile commettere errori, non
hanno una struttura flessibile e soprattutto aggiungere o togliere un campo risulta un

16
problema per il programma che li utilizza. Per questo nella versione 3.0 si usa un approccio
diverso ovvero quello dell’XML.
XML è un linguaggio standard che mi descrive il formato dei dati senza che io lo abbia
preventivamente concordato. Mentre fino ad adesso dovevo inserire i dati sempre nella
solita sequenza altrimenti non ero in grado di decodificare l’informazione, adesso con XML
trovo le informazioni senza che io abbia condiviso la struttura del dato poiché già questo
linguaggio mi fornisce le informazioni su come interpretare il dato.

17
 Lezione 03/11/2022

HL7 3.0 con XML

Il formato HL7 è un formato testuale e può non essere comodo. Per questo nella versione
3.0 di HL7 si usa un nuovo modo di scrivere dati ovvero il formato XML. È un
metalinguaggio che descrive la struttura dei dati, e chiunque riceva questi dati è in
grado di decodificare il messaggio. C’è un ulteriore vantaggio ovvero gestisce i dizionari,
questo è importante perché si obbligano gli utenti a scrivere i termini linguistici con il
riferimento del dizionario.
• La prima versione è testuale e delimitata da campi
• La 3.0 è un metalinguaggio dove viene descritta la struttura dei dati
La versione 3 inoltre introduce il RIM (Reference Information Model) ovvero un modello
di riferimento; prima HL7 era solo un sistema di messaggistica, il RIM standardizza la
modalità con cui i dati vengono gestiti in un sistema sanitario, che questo messaggio nasca
in ortopedia o cardiologia, inizia ad assumere un significato diverso.
Secondo questo modello vengono fatte delle “astrazioni”:
• Definite le attività → azioni che coinvolgono il
paziente e si genera un flusso dati (test di
laboratorio, immagini…)
• Oggetti → l’attività viene applicata ad oggetti
predefiniti come i record di una tabella sui quali
possiamo fare delle operazioni; si tratta di un
modo astratto per vedere la realtà
• Comunicazioni → modo astratto per vedere la
realtà
Mentre prima era solo messaggio, con il RIM si definiscono le attività e gli oggetti con cui
vengono effettuate.

Nell’ottica di modellizzare il sistema, il RIM definisce:

• Entità → l’oggetto come “persona Mario Rossi”
• Ruolo → paziente
• Partecipazione → partecipa all’azione di fare una TC o un altro esame o attività
• Azione → dell’esecuzione di una TC

Viene introdotto anche il CDA (Clinical Document Architecture) ovvero un modello non
solo di messaggistica ma anche di documenti.
È un documento scritto in XML e la sua struttura può essere letta da chiunque anche senza
conoscerne la struttura perché XML la descrive.

18
Questo documento è strutturato con:
• Header → fornisce informazioni di natura generale sul documento, il motivo della
creazione del dato, gli operatori coinvolti…
• Body → report clinico che può essere strutturato o narrativo

È importante ricordare che HL7 è un sistema che nasce come messaggistica per risolvere il
problema dell’interoperabilità; HL7 nella sua versione 3.0 introduce un modello di
riferimento chiamato RIM dove il dato assume un significato, diventa un oggetto che assume
un ruolo a seconda del suo utilizzo e su questo dato vengono eseguire azioni che determinato
un sistema di messaggistica. Infine, il documento strutturato, possono essere anche
documenti ipertestuali.

19
DICOM
Lo standard visto fino ad ora viene usato principalmente per trasmettere qualunque dato
che possa circolare in un sistema sanitario anche se possiamo inviare delle immagini; non
esistono standard specifici per la trasmissione di determinate cose, spesso ci sono anche
delle sovrapposizioni.
DICOM nasce perché prima dell’avvento del digitale, con le classiche pellicole, svolgevano
tutte le azioni (detettore della radiazione, visualizzazione e conservazione dei dati).
Con l’arrivo della radiologia digitale abbiamo la gestione delle immagini da parte dei
calcolatori, quindi, inizia questa era digitale con macchine che trasmettono dati ai
calcolatori; ogni macchina diagnostica però produceva i dati a modo suo ovvero in diversi
formati, ai singoli produttori poteva anche star bene perché vendendo una TC poi vendeva
anche il sistema per la lettura e processazione di quelle immagini.
I sistemi sanitari risentivano molto di questo problema in un mondo che aveva bisogno di
scambiare dati; per questo motivo alcune associazioni (ACR e NEMA) riconoscono la
necessità di uno standard di riferimento e che probabilmente il mercato avrebbe premiato
chi produceva questi sistemi standard rispetto a chi non lo faceva.

NEMA ED ACR

Sono associazioni di produttori che si sono sempre indirizzati nel fornire strutture per
rendere compatibili e sicure attrezzature elettriche ovvero per standardizzarle.
Decidono di formare uno standard e nasce il DICOM (Digital Imaging and Communication
in Medicine), non riguarda solo la standardizzazione delle immagini ma anche
come far comunicare in maniera standard (sia standard di immagini ma anche di
comunicazione).
Questo standard consente a vari dispositivi medici che producono immagini, l’archiviazione
e lo scambio di immagini e informazioni in formato digitale.

Nel 1983 ACR e NEMA cominciano a lavorare allo standard, dopo alcuni anni viene
presentata la prima versione che venne chiamata ACR-NEMA. Subito dopo venne elaborata
la versione 2.0 in quanto la prima versione era più una versione di memorizzazione di file
che potevano anche essere scambiate ma non prevedeva specifiche di comunicazione di rete;
con la versione 3.0 si introduce un concetto importante ovvero la “struttura orientata ad
oggetti” che rende il sistema molto più efficiente e si inizia a definire come usare il protocollo
TCP/IP (protocollo su cui si basa internet). Questa nuova versione, inoltre, dà la possibilità
a chi lo utilizza di verificare se due apparecchi dichiarati conformi sono in grado di scambiare
informazioni.
Nel 1993 viene presentato lo standard 3.0 e può essere iniziato ad utilizzare.

20
DICOM è uno standard finalizzato a garantire il concetto di interoperabilità:
• Specifica un insieme di protocolli per la comunicazione su rete (utilizzando
principalmente il protocollo TCP/IP)
• Dice come le informazioni vanno memorizzate e le sintassi da utilizzare nei comandi
• Definisce il file format ovvero il formato di memorizzazione
• Definisce come devono essere implementate per avere la conformità allo standard

La struttura è orientata ad oggetti ed è importante definire l’interazione tra questi

oggetti. Ad esempio, il paziente posso vederlo come un oggetto definito dagli attributi nome,
cognome, età, indirizzo, codice fiscale… importanti sono anche le operazioni ed interazioni
tra gli oggetti come modifica dei dati di un paziente, cancellazione, spostamento da un
archivio ad un altro. In questa filosofia da una parte vedo gli oggetti e dall’altra parte le
operazioni che io posso compiere su quel dato.
Altro concetto importante in DICOM è che le macchine sono in comunicazione tra di loro
tramite un approccio Client-Server ovvero una macchina fornisce il servizio ed una che
ne usufruisce ed ogni macchina può essere client o server a seconda del servizio.
• Oggetti → entità del mondo reale (paziente, esame diagnostico…)
• Attributi → descrittori di una singola caratteristica (data di ricovero, dati
anagrafici…)
La definizione di un oggetto avviene mediante la definizione degli attributi.
DICOM chiama gli oggetti IOD (Information Object Definition), l’oggetto è un insieme di
descrittori; ogni insieme di descrittori riferiti alla stessa identità, per DICOM si chiamano
IOD.
Gli attributi per descrivere uno IOD possono essere tanti. All’interno dell’oggetto, i vari
attributi possono essere raggruppati in base alle somiglianze:
Esempio → per la descrizione di uno IOD immagine, possiamo usare attributi come il
numero dell’immagine, il tipo, righe, colonne…
Gli attributi che presentano una certa correlazione tra di loro possono essere raggruppati in
moduli chiamati IOM (Information Object Modules) che possono poi essere utilizzati in più
di uno IOD.

DICOM prevede due tipologie di IOD:

• Normalizzato → l’oggetto si riferisce ad un’unica entità informativa (ad esempio
nello IOD paziente abbiamo solo dati relativi al paziente, principalmente di tipo
anagrafico)
• Composito → più entità tra loro correlate (nello IOD immagine, oltre alle
caratteristiche dell’immagine abbiamo anche informazioni che ci permettono di
correlare queste informazioni ad un paziente)

21
Gli IOD sono tutte le entità che in qualche modo fanno parte del mondo sanitario come
un’immagine mammografica, di RM ma anche un ECG che può essere acquisito con una
immagine.

MODELLO ENTITÀ RELAZIONI

Ogni oggetto è posto in relazione con altri oggetti, vige il principio dei database
relazionali. Un paziente registrato con
una macchina in DICOM rappresenta un
oggetto ma anche l’immagine acquisita
rappresenta un’oggetto. Questi pur
essendo oggetti diversi, sono sempre tra
loro legati, ad un paziente possono
corrispondere una serie di studi ed ogni
studio è solitamente formato da una serie
di immagini.
DICOM prevede quindi un sistema di relazioni perché si tratta di un database relazionale.
Un’altra cosa che prevede è che quando due DICOM si mettono in comunicazione, una
assume il ruolo del fornitore di servizio o SCP (Service Class Provider) e quello che lo riceve
si chiama SCU (service Class User).
È importante ricordare che ogni oggetto
viene descritto da attributi e tutti questi
oggetti sono messi in relazione tra di loro, gli
oggetti stessi poi sono trattati da dei
software in cui uno è un provider o server e
l’altra un user o client.
Il ruolo che assume ciascuna di queste entità dipende da cosa facciamo.
Quando il macchinario ha pronta l’immagine, la invia al “gateway” dove avviene un primo
trattamento, in questo caso il
device radiologico assume il ruolo
di user mentre il gateway che riceve
l’immagine assume il ruolo di
provider. Dopo l’elaborazione
dell’immagine, questa va inviata al
server il quale assume il ruolo di
provider dato che fornisce un
servizio di memorizzazione, l’user
diventa il gateway.
Il gateway che prima era server ora diventa client rispetto al sistema di memorizzazione, per
questo ciascuna macchina nel mondo DICOM può essere sia provider che user.

22
Questo concetto vale anche per il server stesso: abbiamo una stazione di visualizzazione che
richiama dal server una certa immagine, il server quindi fornisce un servizio; una volta
trovata l’immagine, questa viene inviata alla stazione di visualizzazione che a questo punto,
ricevendola, diventa server mentre l’archivio diventa user.

Il DICOM definisce anche le operazioni che si possono fare su questi oggetti e si chiamano
DIMSE. Questi DIMSE sono operazioni elementari che nel loro insieme creano le “Service
Class:
• Print → è una service class perché per poter stampare ci sono una serie di azioni
elementari che localizzano l’oggetto, lo spostano, lo inviano alla stampante… gestisce
quindi la comunicazione tra una applicazione DICOM ed una stampante.
• Storage → gestisce il trasferimento e l’archiviazione
DA RICORDARE: oggetti (IOD normalizzati e compositi) che sono costituiti da moduli, su
questi oggetti si possono fare operazioni elementari che nel loro insieme realizzandole
Service Class. Queste classi vengono definite da DICOM.

SOP Class

Gli oggetti IOD e le classi di servizi DIMSE sono due componenti fondamentali in DICOM, i
primi contengono i dati da trattare, le seconde si occupano della manipolazione di tali dati.
L’insieme degli IOD con le DIMSE formano le SOP Class (Service Object Pair).
Se io prendo due macchine DICOM e le metto insieme non è detto che scambino
informazioni ma per essere sicuri che dialoghino tra di loro è necessario che gestiscano le
stesse SOP Class ovvero gli stessi oggetti e le stesse operazioni sugli oggetti. Una TC ed un
ecografo gestiscono SOP Class diverse quindi siccome il mondo DICOM è ampio e vario, ogni
macchina implementa un sottosistema di questo mondo.
Oltre a questo, DICOM ha inserito un numero di identificazione univoco e tutte le operazioni
fatte con queste macchine fanno sempre
riferimenti ad oggetti con identificatori
univoci, di conseguenza non possono esistere
due identificatori uguali per identificare
diverse informazioni.
Ogni immagine avrà un numero univoco con
una certa struttura, ogni studio avrà un
numero univoco con una certa struttura. Ogni volta che una SOP class viene realizzata avrà
un numero univoco per poter tracciare tutte le operazioni come prevede DICOM.
Parti dello standard DICOM:
• Parte di panoramica generale
• Definizione di come lo standard deve essere valutato conforme quando viene
applicato
23
 • Definizione degli oggetti di informazione (IOD), quindi gli attributi
• Definizione delle classi di servizio
• Definizione delle specifiche dei sistemi di archiviazione
• Definisce i sistemi di messaggistica

PANORAMICA DI UN FILE DICOM

Capire come è strutturato un file DICOM per poter ricercare al suo interno le informazioni
è utile. Solitamente è formato da due parti:
• Intestazioni → informazioni di tipo generale
• Sequenza delle immagini
L’intestazione è fatta da una serie di record ed ogni record contiene un numero, valore o
informazione specifica. Questa è formata da 128 Byte, fissa per dire “questo è un file
DICOM”, dopo troviamo una serie di
righe o record che contengono
informazioni specifiche, queste righe
prendono il nome di “Data
Element”.
Ogni Data Element ha una struttura
formata da:
• una prima parte detta “TAG”
che informa sul tipo di
informazione contenuta nella
riga
• una seconda parte detta “VR” che ci permette di capire come verrà rappresentata la
tipologia di informazione che segue (numero intero, sequenza di caratteri…)
• l’informazione successiva “VL” mi informa sulla lunghezza del campo
• infine, abbiamo l’informazione vera e propria e so come interpretarla grazie alle
informazioni fornite dai campi precedenti.
Esempio → il tag mi informa che il contenuto della riga riguarda il nome di un paziente, ha
un VR di caratteri e un VL di 8; dopo sarà di trovare 8 caratteri che mi informano sul nome
del paziente.

COMPRESSIONE

Nella versione 3 di DICOM è stata aggiunta la possibilità di fare compressione ovvero

adottare un sistema per cui alle immagini facciamo occupare meno spazio. Ci sono diverse
tipologie di compressione:
• Con perdita di informazione → JPEG

24
 • Senza perdita di informazione → JPEG-LS, RLE
Quale tipologia viene scelta dipende dalla politica ospedaliera.

SICUREZZA

DICOM ha limitato gli interventi in materia di sicurezza agli aspetti relativi al trasferimento
e alla codifica dell’informazione, supporta meccanismi per consentire l’autenticazione, la
confidenzialità e l’integrità a livello di connessione mediante il protocollo SSL (il famoso
“s” in https); non supporta però strumenti specifici per controllare gli accessi e per
identificare chi accede ai dati.

CONFORMANCE STATEMENT

Un grosso problema di DICOM è che non abbiamo un ente certificatore ed il produttore

produce il “Conformate Statement” ovvero un documento dove sono elencate le SOP
Class.
La conformità DICOM è un onere completamente a carico della ditta costruttrice
dell’apparecchiatura che si dichiara conforme allo standard; questo è anche un lato debole
perché ogni ditta che si dichiara conforme allo standard dovrà effettivamente dimostrare la
reale conformità soprattutto nella capacità del proprio macchinario a comunicare con altre
macchine che abbiano dichiarato la loro conformità. Può succedere, nonostante le “carte in
regola” che molte connessioni tra le macchine risultino difficoltose se non addirittura
impossibili, non tutti i fornitori sono compatibili a DICOM nello stesso modo.

25
 Lezione 08/11/2022

IHE
Lo scenario in cui si lavora oggi nel mondo sanitario è abbastanza complesso perché
abbiamo un territorio fatto da ambulatori, servizi territoriali (centri di comunità) ma anche
un territorio formato da ambulatori, servizi al cittadino, farmacie, servizi di emergenza che,
in uno scenario moderno dovrebbero comunicare tutti tra di loro.
C’è comunque un bisogno di regole comuni per poter rispondere all’esigenza di scambiare
informazioni. Queste regole sono gli standard che hanno lo scopo di ottenere omogeneità
nelle regole e norme quindi interpretare anche tutto nello stesso modo.
Gli standard sono un vantaggio perché sono regola comuni come modello di riferimento e
solitamente lo standard è accettato universalmente; è unitario, tuttavia, avere un sistema
accettato universalmente non è sufficiente a garantire la riuscita di un progetto.
Gli standard da soli non bastano perché:
• Sono molteplici
• Spesso non sono chiari i confini di dominio → se DICOM gestisce un po’ di dati
sanitari ed HL7 alcune immagini, dove sono i confini tra uno e l’altro; deve essere
chiaro dove finisce uno standard e dove inizia l’altro
• Gli scambi di informazioni risentono del contesto → i vari domini devono essere
stabiliti all’interno di uno standard
• Attenzione alle generalizzazioni ed alla ambiguità → messaggi che iniziano per Z che
possono essere personalizzati
• Incompatibilità delle versioni → solitamente quella superiore è retrocompatibile ma
non viceversa

Gli standard servono o no?

Senza standard è impossibile capirsi, con gli standard ci possiamo capire con qualche
difficoltà in meno. Proprio per questo scopo nasce una iniziativa che prende il nome di IHE
(Integrating the Healthcare Enterprise) che ha lo scopo di armonizzare gli standard, non è
uno standard in sé. Si propone di definire in maniera chiara come gli standard esistenti
(DICOM e HL7 in particolare) devono essere utilizzati dai diversi sistemi informativi per
realizzare un’integrazione tra loro.

Cos’è IHE?
Questa iniziativa nasce negli USA grazie all’associazione radiologica del nord America a cui
dopo si uniscono anche altre associazioni; nasce perché ci si accorge che gli standard sono
utili nella gestione ma serve un passo in più.
Si formano i comitati nazionali (IHE Italia) perché la gestione della sanità è diversa nei
diversi posti del mondo.
26
 • Incentrata su organizzazione no-profit
• Si pone sopra gli standard perché l’esigenza è quella di coordinarli
• Ha lo scopo di risolvere problemi pratici, della quotidianità coordinando i diversi
standard
• Tavolo di discussione per diversi operatori della sanità
Quindi non è:
• Associazione che crea ulteriori standard → nasce per usare gli standard esistenti in
modo ottimizzato non per crearne di nuovi
• Non è un progetto dimostrativo
• Non è un organo di certificazione ma fornisce occasioni di test per la verifica del
funzionamento dei programmi di ottimizzazione

A IHE partecipano sia gli user che i produttori che sono insieme per cercare di risolvere i
problemi quando si presentano. IHE lavora identificando problematiche nate nel mondo
sanitario, si propone una soluzione, viene fatto un test seguito dalla dimostrazione alla quale
segue la soluzione commerciale. Alla base di IHE ci sono quelli che vengono chiamati
“profili di integrazione” ovvero i diversi scenari problemi-soluzione che possono essere
affrontati. Possiamo parlare di scenari dove c’è lo scambio di messaggi tra un profilo ed un
altro per risolvere un problema pratico.

CONTENUTI DI UN PROFILO DI INTEGRAZIONE

Partendo da un problema, un profilo di integrazione definisce come la comunicazione delle

informazioni si deve realizzare per risolvere quel problema, quindi, definisce anche come le
macchine devono comunicare tra di loro affinché l’informazione sia scambiata
correttamente e tutto sia ottimale; come le parti dello standard devono essere impiegate per
una soluzione che funziona.
• Scenario → problema → soluzione
Le indicazioni che derivano dall’analisi degli scenari-problemi-soluzioni sono contenute nei
“Technical Framework” dove viene rappresentato, attraverso diagrammi di flusso e
definizioni testuali, come un determinato problema è stato risolto.
Gli ambiti di applicazione nell’ambito sanitari o sono molti e questi profili di integrazione
con corrispondenti Technical Framework sono stati divisi in “domini”; questi vanno a
racchiudere quelli che sono i vari ambiti del contesto sanitario. Il primo dominio nasce in
radiologia nel 1998 ma poi si sono creati altri domini.

I PRODOTTI DI IHE

Non sono certificati, i produttori possono implementare il logo di IHE e dire “ho
implementato uno specifico profilo di integrazione” ma devono aver superato una specifica
27
verifica, i risultati vengono pubblicati e sono disponibili a tutti coloro che vogliono sapere se
un determinato prodotto è IHE compatibile o no.
Connectathon è un evento che viene organizzato per verificare l’interoperabilità dei
sistemi, ha una cadenza annuale e una durata di una settimana dove si da la possibilità ai
produttori che hanno trovato la soluzione ad un problema di verificare se questa soluzione
è stata idealmente corretta o no.
Durante questo evento si crea dal punto di vista informatico un’organizzazione sanitaria
virtuale in cui ogni calcolatore realizza una funzionalità tipica del mondo sanitario e si fanno
“chiacchierare tra di loro”.
Il produttore deve dimostrare che lo scambio di dati tra il suo prodotto software e il resto
della rete sanitaria funzioni correttamente; se lo scambio avviene correttamente, il test si
considera superato. Tutto questo viene verificato da utenti esperti chiamati “monitor”, scelti
sulla base alla loro conoscenza ed esperienza. I risultati del test sono che o funziona o no e
quelli che funzionano possono utilizzare il bollino IHE; per i prodotti che hanno partecipato
con successo, il produttore potrà emettere il cosiddetto “IHE Integration Statement”,
inoltre i dettagli per i quali il produttore ha passato con successo i test sono pubblicati
stilando una tabella con tutte le informazioni riguardo il prodotto dalla quale possiamo
velocemente capire quali sono le caratteristiche presenti e quali no.

VINCOLI IHE

I profili di integrazione possono essere usati gratuitamente dato che l’organizzazione è no-
profit, fatta eccezione se qualcuno usa prodotti su cui è stata stabilita la proprietà
intellettuale. Partecipare a un test ha un costo legato alla sostenibilità dell’evento e tutti
quelli che aderiscono a IHE possono usare questi profili di integrazione applicandoli e, se
superano il test, si può apporre il bollino.
IHE nasce come organismo nazionale ma si è presto internazionalizzato nonostante i
modelli tra le nazioni possono essere leggermente diversi.

In sintesi, cosa è IHE:

• È un metodo di lavoro
o fornisce un metodo di interoperabilità dei sistemi
• È basato sulla clinica
o perché tutto parte da qui, si parte da un problema, si crea una soluzione, si
integra
• È un modello molto collaborativo
o perché vede il lavoro comune di medici, tecnici, tecnici industriali…
o gli utenti definiscono e selezionano le problematiche di interoperabilità

28
 o gli esperti ed i produttori definiscono le specifiche tecniche nella formazione
di profili di integrazione che forniscono una possibile soluzione alle
problematiche di interoperabilità evidenziate
o i produttori implementano i profili di integrazione
• Concreto
o perché si arriva alla dimostrazione del funzionamento e quindi
dell’integrazione grazie ad un test

Benefici → sono molti, come prima cosa abbiamo risolto il problema di partenza per cui gli
standard sono utili ma da soli non bastano e vanno saputi coordinare.
IHE produce come beneficio quello di integrare prodotti diversi e fornire i profili di
integrazione che dicono come fare tutto questo; inoltre, i profili di integrazione stessi
possono essere usati come punto di partenza per lo sviluppo di capitolati e richieste di
offerta. IHE aiuta a proteggere i precedenti investimenti negli esistenti sistemi sanitari, apre
la possibilità di aggiornare sistemi esistenti quando necessario e di integrare tali sistemi con
nuove applicazioni di un diverso produttore. Questo riduce il bisogno di sostituire sistemi
esistenti e funzionanti solo perché un nuovo sistema viene introdotto.

RIASSUMENDO: IHE nasce per coordinare gli standard, seleziona di volta in volta lo
standard da usare per andare a
prendere un problema e risolverlo.
Tutto nasce da questo problema di
uso clinico (dati non scambiati
correttamente a causa di ambiguità,
sovrapposizioni di dominio…), ci
saranno degli sviluppatori, ingegneri
e informatici che applicano della
soluzione, una volta risolti viene
elaborato il Technical Framework.
La fase successiva è quella del test e, a seconda del risultato, viene prodotto l’Integration
Statement ovvero un documento che riferisce se quel prodotto ha superato il test o no e di
conseguenza se può usare il bollino IHE o no.

Possibili domande di esame:

• Cos’è IHE
• Perché gli standard da soli non sono sufficienti
• Flusso di lavoro di IHE
• Cosa è un technical framework o un profilo di integrazione

29
INTELLIGENZA ARTIFICIALE (AI)
Cos’è l’intelligenza?
• L’intelligenza è la capacità che prevede l’acquisizione di nuove conoscenze che
permettono di elaborare dati empirici, di organizzarli e risolvere in maniera pronta
ed efficace una serie di problemi diversi e nuovi.
L’intelligenza consente all’uomo di adattarsi a situazioni sempre nuove, il mezzo per capire
la realtà ed il linguaggio.

Cos’è l’intelligenza artificiale?

• L’intelligenza artificiale è quell’insieme di studi e di tecniche realizzate con calcolatori
elettroniche in grado di risolvere problemi e riprodurre attività proprie
dell’intelligenza umana.
Con l’intelligenza artificiale non facciamo altro che risolvere i problemi della prima
definizione con calcolatori elettronici.
L’intelligenza artificiale ha fatto grandi passi in avanti ma non tali da sostituire un umano
nel complesso delle proprie azioni, anche se in grado di farlo in tempi molto rapidi. Oggi c’è
molto interesse da parte dell’industria del mondo scientifico.
Il modello “Hype Cycle” prodotto dall’azienda “Gartner” è una metodologia sviluppata per
la ricerca e analisi nel campo dell’Information Technology con lo scopo di rappresentare
graficamente la maturità, l’adozione e l’applicazione di specifiche tecnologie.
Ogni volta che nasce una nuova tecnologia, in questo modello si parla di “trigger” e ci si
aspetta sempre qualcosa di grande da questa tecnologia che nel grafico è dimostrato tramite
un picco di interesse rispetto all’argomento. Successivamente si passa ad un periodo di
disillusione in quanto magari non produce tutto quello che ci si aspettava; se la tecnologia è
veramente valida aumentano nuovamente le aspettative perché la tecnologia entra nella
produttività e allora il grafico risale.

30
ALAN TURING – IL PADRE DELL’INTELLIGENZA ARTIFICIALE

Inizia ad occuparsene nel 1950 quando pubblica un testo intitolato “Mind” in cui si pone la
domanda se può una macchina essere linguisticamente indistinguibile da un essere umano.
Comincia a pensare se quindi una macchina può acquisire una forma di intelligenza
realizzandola attraverso dei software; per
verificare ciò propone un test detto “Test di
Turing”.
Abbiamo un uomo (A) collocato in una stanza
isolata che pone delle domande ad una persona
(B) o computer (C) che si trovano in due stanze a
fianco, anche queste isolate. Se A non riesce a distinguere con quale dei due stia
conversando, il computer ha superato il test e può essere definito Intelligenza Artificiale.
Turing ha considerato il linguaggio ma possiamo estenderlo a qualsiasi attività.
Per molto non si è parlato di Intelligenza Artificiale perché oggi possediamo una grande
capacità computazionale che fino a 70 anni fa non erano presenti, come le memorie che sono
fondamentali o lo scambio di dati.

Cosa sta alla base di questa IA?

Il desiderio dell’uomo di creare una connessione indissolubile tra automazione e
ragionamento. Il tutto è partito da sistemi automatici che dovevano emulare l’uomo quindi
i primi tentativi erano semplicemente algoritmi matematici, col tempo questi algoritmi si
sono evoluti diventando sempre più difficili e complessi. L’automazione sempre più
articolata ha dato vita a due teorie fondamentali ovvero l’intelligenza artificiale debole
e forte.

1. INTELLIGENZA ARTIFICIALE DEBOLE

Si tratta di quella che vediamo nella vita quotidiana ovvero applicazioni di IA utilizzata per
risolvere problemi molto specifici come ricerche ottimizzate, traduzioni automatiche... si
differenza da quella forte in quanto la seconda è esclusivamente teorica.

2. INTELLIGENZA ARTIFICIALE FORTE

Si tratta di una intelligenza artificiale al momento solo teorica e fa riferimento a macchine

che sviluppano la coscienza e il processo decisionale al pari o meglio degli umani. In queste
modalità, ancora non esiste una tipologia di intelligenza artificiale, per questo quello di cui
parleremo saranno applicazioni che fanno riferimento a IA debole.

31
 Lezione 10/11/2022

NEURONI ARTIFICIALI

I primi tentativi di emulazione dell’intelletto umano nascono col tentativo di ricreare da un

punto di vista matematico i neuroni. Tutto questo nasce dal modello biologico che ci dice
che il cervello è formato da migliaia di cellule nervose che sono i neuroni, ogni volta che il
cervello riceve uno stimolo sensoriale un gruppo di neuroni riceve un segnale chiamato
“potenziale d’azione” che, se è abbastanza forte, viene propagato ai neuroni vicini tramite le
“sinapsi”. Il segnale chimico dalle sinapsi viene convertito in “segnale elettrico o impulso
elettrico” che scorre lungo l’assone fino al neurone successivo e così via. In questo modo si
ha la propagazione del segnale che codifica per lo stimolo iniziale
I neuroni sono tanti e ad ogni stimolo esterno c’è una trasmissione ai vari neuroni, tutti
collegati per creare una grande rete, i neuroni che si attivano insieme si legano insieme e
questo è il concetto alla base dell’apprendimento; l’unione dei neuroni forma complessi
reticoli che prendono il nome di “reti neurali” che sono la sede della nostra conoscenza.
Dal punto di vista matematico fu pensato di emulare il
suo funzionamento della cellula neuronale con:
• Dendriti → ingresso
• Corpo cellulare → funzione che raccoglie gli
ingressi, li trasforma in una equazione e li
trasmette ai neuroni successivi
• Assone → uscita
Abbiamo una serie di ingressi che possono essere delle
variabili (x1, x2…), queste attraverso un legame
matematico finiscono in un’equazione. Io avrò N ingressi che mi confluiscono in quello che
è il neurone dove ho una funzione matematica, ad esempio posso avere una funzione che mi
somma tutte le variabili in ingresso e le moltiplica per un coefficiente che dipende dal tipo
di ingresso. Se l’uscita di questa sommatoria supera un valore soglia trasmetto tutto in
uscita, in questo modo simulo il comportamento del neurone tramite un’equazione
matematica.
Come abbiamo numerosi neuroni collegati nel sistema nervoso, possiamo farlo anche per i
neuroni artificiali, collegarli tra di loro significa che i corpi cellulari avranno più ingressi da
considerare, ogni legame tra un neurone e quello successivo sarà caratterizzato da un
ingresso ed un coefficiente legato a quell’ingresso.
A questo punto, di questa rete neuronale dobbiamo eseguire un addestramento. Il cervello
di un neonato povero di conoscenze che vengono internalizzate grazie all’esperienza e al
contatto col mondo, noi per i nostri neuroni artificiali dobbiamo fare la stessa cosa ovvero
addestrarli ad imparare qualcosa. Anche a questa rete artificiale dobbiamo insegnare
qualcosa tramite la “procedura di addestramento” ovvero facendogli vedere degli
esempi e dire come comportarsi davanti a ciascuno di essi. A fronte di una rete in questo
32
modo, dobbiamo creare i “pattern di addestramento” ovvero una sequenza di ingressi a
cui corrisponde una specifica uscita; con 3 ingressi ed 1 uscita, devo far capire come deve
essere l’uscita ogni volta che vede un certo ingresso.
• Vengono presi gli ingressi e le uscite corrispondenti e facciamo vedere alla rete
innanzi tutto gli ingressi prefigurati
• Poi vedo cosa esce in uscita
• A queste uscite sottraggo l’uscita che desidero e calcolo l’errore rispetto a quello che
mi aspettavo.
o Inizialmente probabilmente l’errore è grande perché non sa ancora come
devono essere i valori in uscita
o L’errore rispetto a quello che mi aspettavo viene stimato inviando questi valori
in uscita ad un algoritmo che mi gestisce l’addestramento che va a modificare
i coefficienti visti in ingresso, in modo da arrivare alla produzione dell’uscita
che voglio quindi ridurre l’errore
• Se l’errore aumenta continuo a modificare con lo scopo di avere l’errore più piccolo
possibile. Quando ho minimizzato l’errore in uscita la rete viene considerata
addestrata
Si crea un ciclo continuo in cui faccio vedere i miei valori in uscita e li confronto con quelli
che mi aspetto, continuo il ciclo fino a quando l’errore che mi aspetto è minimo; tutto questo
lo posso fare andando a modulare i coefficienti che ho in ingresso ad ogni neurone, c’è una
procedura che, man mano che si stima l’errore, vanno a modificare i valori per raggiungere
il minimo errore nel minor tempo possibile.
RIASSUMENDO: addestrare un sistema neurale significa presentare in input dei valori noti
a cui sono associati, anche in uscita, dei valori noti; il compilatore fa i suoi calcoli e produce
in uscita dei valori che vengono confrontati con i valori che aspettavo. L’eventuale errore
viene stimato ed usato a sua volta per stimare i giusti coefficienti al fine di minimizzare
l’errore, questo ciclo lo itero fino a quando l’errore non sarà il minimo. Nell’approccio
dell’intelligenza artificiale, io non ho creato un algoritmo ma una rete a cui faccio vedere
degli esempi e dei resultati che voglio ottenere.

Esempio → Il melanoma viene classificato attraverso dei criteri detti “ABCDE”:

• Asimmetrico
• Bordi irregolari
• Colori variabili e disomogenei
• Diametro e dimensioni superiori a 6 mm
• Evoluzione nelle dimensioni
Se esistono queste cinque condizioni insieme, molto probabilmente quello che si vede
possiamo classificarlo come melanoma. Per classificare posso estrare un indice da ciascuno
di queste condizioni (0 = asimmetrico, 1 = simmetrico; indici per la curvatura dei bordi,
33
indice nella variazione di colore…). Questi indici vengono dati in pasto ad un sistema
artificiale dopo avergli detto che certi indici corrispondono alla normalità ed altri no
Una volta che ho addestrato la macchina per una foto gliene faccio vedere una nuova e se ha
appreso bene sarà in grado di discriminare benigno da maligno.
Sistemi di questo tipo aiutano il medico nell’effettuare la diagnosi o richiedere altri esami
per la conferma.

ALBERI DECISIONALI

L’intelligenza artificiale non è solo la rete neurale, sono molti gli algoritmi utilizzati. Un altro
approccio è quello degli alberi decisionali. Si parla di strutture che vengono lette secondo
una gerarchia in cui le informazioni sono contenute all’interno di strutture dette “nodi” che
sono collegati tra di loro attraverso degli “archi”.
Partendo da una radice padre, si formano delle radici figlie che in realtà saranno ciascuna
padre di altre radici figlie successive. Possiamo usarlo per fare delle classificazioni, ad ogni
livello gerarchico mi pongo un quesito e faccio delle scelte, in modo che, seguendo ogni
scelta, io posso arrivare alla classificazione finale (esempio per classificare animali o
identificare delle classi).

L’intelligenza artificiale si appoggia quindi ad una grande varietà di algoritmi, oggi si

preferisce vedere l’intelligenza artificiale come classi, insieme di algoritmi, in particolare c’è
una distinzione per cui ci si approccia all’intelligenza artificiale facendo una suddivisione
tramite due tipologie di algoritmi:
• Machine Learning
• Deep Learning (prevalgono molto le reti neurali)
Non ci preoccupiamo più di reti neurali o alberi decisionali anche se in ciascuna di queste
applicazioni ne prevale una. Oggi si parla sempre di più di Machine Learning e Deep
Learning che sono classi di algoritmi per cui hanno caratteristiche e vengono accumunati tra
di loro.

1. MACHINE LEARNING

È un sistema di IA dove l’uomo insegna al computer a svolgere una serie di attività e fornisce
delle informazioni con cui il sistema imparerà. Prende le informazioni ricavate dall’uomo ed
impara direttamente dai dati che gli vengono forniti.
Questi algoritmi partono da una serie di dati di apprendimento (“Training Data” ovvero
insieme di dati in ingresso con corrispettivi dati in uscita), li do in pasto al sistema IA,
minimizza l’errore e ho in uscita una rete neurale addestrata, addestro a riconoscere quei
pattern dati in ingresso.

34
Per capire se davvero un sistema funziona, non mi
posso basare solo sul funzionamento con i dati che
ho fornito in ingresso per addestrare ma servono
anche nuovi dati. Oltre ad i dati usati per
addestrare, vengono presi nuovi dati e si effettua
lo stesso procedimento con lo scopo sempre di
ottenere l’errore minimo, se l’accuratezza è
accettabile allora ho addestrato bene, altrimenti
devo continuare ad addestrare il sistema.

Sono previsti diversi modi di apprendere:

• Supervisionato → c’è un supervisore che mostra gli esempi, propone le variabili ed
il risultato corretto; è una tipologia di apprendimento dove, chi addestra mostra input
e output.
o Mi aspetto che la macchina riconosca qualcosa; abbiamo parlato di classi ma
può anche predire dei numeri o altro
• Senza supervisione → do in pasto dei dati senza altre informazioni e classifica i
dati in gruppi di oggetti diversi (senza sapere che tipologie di oggetti sono perché non
interessa) per poi associarli ad altre informazioni.
• Semi supervisionato → è un insieme dei due precedenti
• Apprendimento per rinforzo → il sistema IA non sa nulla ed interagisce con
l’ambiente ricevendo riscontri positivi o negativi e lui impara (come
nell’addestramento di un cane). Solitamente viene usato come un meccanismo di
perfezionamento di quelli sopra detti.

2. DEEP LEARNING

Si basa molto su sistemi di reti neurali profonde ovvero fatte da molti strati, dove spesso
questi strati sono anche specializzati, con caratteristiche funzionali adattate su un certo
aspetto di processing. Si differenzia dal Machine Learning soprattutto perché mentre nel
Machine Learning dobbiamo estrarre caratteristiche di quello che osserviamo, nel Deep
Learning è la macchina che cerca le caratteristiche da estrarre sulla base di un certo numero
di immagini fornite, non vengono però fornite le caratteristiche da ricercare. Può essere
considerata come una evoluzione del machine Learning ed è molto più vicino a quello che è
l’apprendimento dell’uomo. Il sistema di estrazione delle caratteristiche è essenziale nel
machine learning ma nel deep learning provvede direttamente il sistema. Nel metodo di
riconoscimento del melanoma, il machine learning funziona ma non come ci si aspettava
perché il medico per la diagnosi non si basava solo sulla classificazione ma si portava dietro
anche un bagaglio di immagini che conservava dalla sua esperienza; alcune situazioni non
potevano essere ricondotti a questo indice quindi per aumentare la precisione è stato

35
implementato il deep learning in cui è l’IA che sceglie direttamente quali caratteristiche
estrarre. Con questa variazione si è notato che il sistema funziona in maniera migliore.

MACHINE LEARNING vs DEEP LEARNING

Machine Learning Deep Learning

Formato dati Dati strutturati Dati non strutturati
Base di dati Database controllabile + di 1 milione di punti dati
Necessita di addestramento Sistema di
Addestramento
umano autoapprendimento
Algoritmo Algoritmo variabile Rete neurale di algoritmi
Campo di applicazione Semplice compiti di routine Compiti complessi

Le applicazioni oggi sono tra le più svariate, considerando tutti i possibili pro e contro:
• Guida autonoma
• Riconoscimento visivo
• Assistenza virtuale
• Descrivere le foto

L’intelligenza artificiale però può sbagliare perché dipende innanzi tutto dall’addestramento
e come una persona può sbagliare perché formato e educato male. Anche l’IA può essere
formato e educato male.
Esempio → nel 2016 venne rilasciato una chatbot IA su una piattaforma social media e nel
giro di 16 ore ha pubblicato molti tweet che sono diventati chiaramente razzisti, misogini ed
antisemiti; Microsoft ha dovuto sospendere il servizio. Tutto questo è stato causato da una
serie di utenti che hanno iniziato a twittare commenti razzisti e misogini contro la chatbot
che ha rapidamente imparato da quel materiale e lo ha incorporato nei propri tweet.
Il garante, come da ordinanza della Corte di Cassazione dice che tutti gli algoritmi utilizzati
per prendere decisioni devono essere trasparenti.

Ma con un algoritmo di IA possiamo essere trasparenti?

Non possiamo e parliamo di “opacità algoritmica”. Dato che lasciamo che sia il sistema
stesso ad imparare con l’esperienza, noi non sappiamo cosa si è venuto a creare all’interno
del software anche se otteniamo il risultato voluto. Per “opacità algoritmica” intendiamo un
concetto che esprime la difficoltà di capire come funziona un algoritmo, una macchina; può
essere intenzionale (quando vogliamo che un algoritmo non venga copiato oppure criptato)
ma se parliamo di un sistema IA, questa opacità è intrinseca per il modo in cui questo viene
sviluppato, non riusciamo ad avere un diagramma o delle formule che possano descriverlo.

36
I BIG DATA
Oggi siamo in un’epoca in cui vengono creati moltissimi dati in multiple occasioni. I
dispositivi generano dati, gli oggetti diventano smart e sono collegati ad internet; ci sono
una serie di oggetti che generano dati e
ci aiutano anche come potrebbe essere
una sveglia che suona prima in caso di
traffico (anche se questo
significherebbe che qualcuno sa dove
stiamo andando); tutti gli oggetti
acquisiscono un ruolo attivo in questo
mondo di dati. Siamo come dei
“Pollicini digitali” che ci lasciamo dietro briciole di informazione si noi stessi. Anche la
scienza genera una grande quantità di dati nonché hanno permesso di fare grandi e veloci
passi in avanti grazie all’enorme mole di dati da analizzare.
Ogni grande business è un digital business, alcune aziende come Alibaba e Uber sono
aziende che vivono e fanno business gestendo dati che quindi sono uno strumento
importante; ci sono di conseguenza anche molti interessi in questo mondo pieno di dati.

Con questo termine indichiamo una raccolta di dati informativi così estesa in termini di
volume, velocità e varietà da richiedere tecnologie e metodi analitici specifici per l’estrazione
di valore o conoscenza; sono scarsamente adattabili ai database a causa della loro grande
mole.
• Dimensioni → varie dimensioni tra cui il volume
• Velocità → con cui si creano, si scambiano e teoricamente anche distruggere
• Varietà → possono essere strutturati, destrutturati o semi-strutturati che sono
scarsamente adattati ai database
• Veridicità → incerta, siccome arrivano velocemente sono anche strutturati male e c’è
incertezza sulla singola informazione che può essere incompleta o vaga come dati che
provengono dai social in cui non possiamo verificarne la veridicità
• Variabilità → i dati cambiano, ci possono essere variazioni sia nella struttura dei dati
che nella semantica sottostante
Sono molti, in parte poco controllabili, di struttura variabile e spesso destrutturabili quindi
si genera caos e sono difficili da gestire.
Hanno comunque un valore a prescindere da come sono, vengono chiamati “il petrolio
dell’era moderna”; dovrebbero creare valore aiutandoci a migliorare le performance di una
organizzazione o supportando decisioni umane, aiutando quindi imprese, la comunità e
anche il singolo cittadino ma alla fine ne beneficia chi tramite astuzia è in grado di gestire
queste risorse al meglio anche a scapito di altri.

37
Quali differenze abbiamo tra i Big Data e un database tradizionale?
Non posso gestire i Big Data con un database tradizionale perché la mole di dati è talmente
enorme e questi dati sono destrutturati con struttura variabile, la loro gestione è complessa.
L’organizzazione dei dati è quindi nettamente diversa da quella dei database tradizionali:
i dati sono spesso grezzi e destrutturati per questo sono stati sviluppati nuovi database non
relazionali fatti apposta per gestire dati non strutturati.
Le fonti in un database tradizionale sono poche, precise e strutturate ma quando parliamo
di Big Data le fonti possono essere varie e di qualsiasi tipo perché includono informazioni
anche raccolte dai social media, file di testo, video, immagini; inoltre, poiché una quantità
sempre più significativa di dati non è strutturata e proviene da più origini, sono necessari
metodi di analisi dei Big Data per estrarne valore. Di conseguenza, mentre le architetture
dei dati tradizionali si basano prevalentemente su database centralizzati, i big data utilizzano
un’architettura distribuita ovvero il calcolo viene distribuito tra più computer in una rete.
L’uso di software open source e archiviazione su cloud rende l’archiviazione dei Big Data
molto più economica.
I Big Data si distinguono non solo per le loro dimensioni ma anche per il loro volume
(generalmente misurato in petabyte…), le dimensioni sempre più grandi dei set di dati di
grandi dimensioni sono uno dei principali fattori alla base della domanda di soluzioni di
archiviazione dei dati più moderne, di alta capacità e basata sui cloud.

RIASSUMENDO: un Big Data è un dato di grandi dimensioni, non strutturato e quel poco
di struttura che può avere è molto variabile, non è sicura la fonte di quel dato. Tutto questo
si è rilevato molto interessante grazie alla IA che permette di navigare all’interno di questi
dati e la quantità di informazioni che si possono ottenere è molta e di importante utilizzo.

38
 Lezione 17/11/2022

I Big Data oggi sono possibili grazie alla capacità di memorizzazione e connettività tra i
dispositivi per scambiare questi dati, grazie a queste novità si evidenziano dei mutamenti
nel modo in cui analizziamo le informazioni.
• Analizzare tutti i dati disponibili
• Accantonare il desiderio di esattezza → non sappiamo se sono precisi ma nonostante
questo analizziamo tutto
• La tendenza a ricercare correlazione spesso a scapito della causalità → cerco la
correlazione nei dati relativi ad un fenomeno non ponendo il problema del perché si
realizza ma ne cerco una causalità

Abbandoniamo l’esattezza senza abbandonare la quantità, quindi è meglio pochi accurati

o molti ma che potrebbero non essere accurati? L’esattezza può essere sacrificata a scapito
della precisione in favore di ampiezza e frequenza?
Ho una grande quantità di dati, non mi preoccupo se sono esatti ma analizzo la frequenza
con cui certi dati occorrono e mi baso sul fatto che una marea di dati, quelli con maggior
frequenza ed ampiezza in termini di impatto siano quelli più precisi. La precisione la cerco
dopo, inizialmente ho bisogno della quantità e con gli strumenti matematici sacrifico
inizialmente la precisione per poi ricercarla al termine nella quantità.
Nell’epoca dei big data la quantità è più importante della qualità, la qualità la posso fare
dopo anche io.
Questo è quello che possiamo sperimentare ogni giorno col traduttore di Google che non ha
un vocabolario predefinito ma va ad analizzare traduzioni sul web non filtrate e piene di
errori e trova nella quantità una maggiore affidabilità ovvero pensa che quelle più frequenti
siano quelle più utilizzate e quindi quelle più corrette.
Nel mondo dei Big Data si preferisce quindi avere una grande quantità di dati invece che
dati precisi; grazie a questa tecnologia si adatta anche nel tempo mentre analizza grandi
quantità di dati.

CAUSALITÀ E CORRELAZIONE

Nei Big Data si cerca spesso una correlazione tra i dati piuttosto che una causa
che potrebbe anche non interessare; la dimostrazione di una causalità è molto più costosa
della individuazione di una correlazione e spesso (ma non sempre) ci possiamo accontentare
della correlazione. Avere una grande quantità di dati a disposizione non significa saper
comprendere la realtà e le correlazioni ci dicono cosa ma non perché.
Esempio → i Big Data potrebbero aiutare a individuare il colore che andrà di moda il colore
che andrà di moda il prossimo anno ma serviranno maggior sforzi per spiegare il perché e

39
nonostante tutto questo perché potrebbe anche non interessare; in una ricerca scientifica
invece la causalità potrebbe essere lo scopo principale di uno studio.

Tutto questo sta cambiando i paradigmi classici usati nella scienza:

• Teoria → la ricerca scientifica inizialmente era prevalentemente teorica, avevamo
coloro che pensavano ad un modello matematico cercando di spiegare attraverso
questo i fenomeni del sistema da analizzare;
• Sperimentazione → successivamente si è giunti alla conclusione che servissero anche
degli esperimenti per verificare in maniera pratica le diverse teorie. Quindi da ipotesi
a modello per fare una previsione, esperimento con raccolta dei dati ed analisi.
A fronte di questi paradigmi della scienza (teoria e sperimentazione) nell’era informatica
siamo passati ad un nuovo paradigma che è quello della simulazione: la sperimentazione
può essere preceduta da una simulazione al computer. Nel mondo informatico, ai due
paradigmi fondamentali se ne aggiunge un terzo che è quello della simulazione.
Esempio → simulazione dei crash-test, il manichino spesso viene simulato al computer
perché se indirizzo la mia linea di ricerca tramite simulazioni risparmio denaro ed ottengo
un risultato molto velocemente.

Oggi, si è aggiunto un quarto paradigma, quello della correlazione estratta dai Big
Data. Dall’analisi di dati estraggo una correlazione, formulo una teoria, da cui passo poi alla
simulazione e sperimentazione; grazie all’enorme quantità di dati posso usarli per prendere
spunto alla formazione di una teoria.
L’avvento dei Big Data è stato accompagnato dal bisogno di codificare tecniche e
metodologie analitiche nuove o di affinare quelle già esistenti per sfruttare al meglio i nuovi
strumenti tecnologici e gestire efficacemente i dati caratterizzati da un livello così più alto di
volume, velocità…
Le correlazioni che ci permettono di fare i Big Data sono interessanti ma non basta la
tecnologia, dobbiamo anche saperli gestire; per questo è importante sapere come estrarre la
conoscenza dai dati. Proprio per questo motivo oggi si parla sempre di più di Data Science,
un nuovo filone della scienza dedicata ai metodi necessari per estrarre conoscenza dai dati
di qualunque natura e provenienza.
Avere tanti dati è importante ma
sono anche necessarie capacità
professionali per poterle gestire e
proprio per questo nasce un nuovo
filone della scienza in cui vengono
studiati i metodi più adatti per
l’estrazione di questi dati.

40
Metodologie di analisi:
• Analisi descrittive → strumenti orientati alla descrizione di un processo aziendale
o sanitario
• Analisi predittiva → come un processo si potrebbe comportare nel futuro.
o Utilizzare i Big Data per capire come un qualcosa si evolverà è una cosa
importante, anche se si parla di analisi statistiche.
• Analisi prescrittiva → analisi di dati capaci di proporre soluzioni operative
strategiche sulla base dei dati analizzati
• Analisi automatica → strumenti che analizzano i Big Data e implementano in
maniera autonoma un’azione. Questo è particolarmente utilizzato in luoghi dove
devono essere prese velocemente decisioni

Da una parte ci sono i Big Data che sono ampiamente disponibili ma sono necessarie le
giuste competenze; da qui nascono due nuove professioni, il Data Scientist e Data
Analyst.

DATA ANALYST

Colui che analizza i dati, deve conoscere strumenti informatici e di programmazione perché
spesso quello che uno cerca ancora non è stato realizzato come strumento di ricerca; questa
figura lavora con i dati per risolvere problemi aziendali tangibili utilizzando strumenti come
linguaggi di programmazione, software di visualizzazione dei dati ed analisi statistica.
• Deve essere in grado di acquisire dati da fonti primarie e secondarie
• Pulizia e riorganizzazione dei dati per l’analisi
• Analizzare set di dati per individuare tendenze e modelli da tradurre in informazioni
fruibili per la società per cui lavora (trovare correlazioni)
• Presentare in modo facile le decisioni da prendere su quei dati

DATA SCIENTIST

Possiamo definirlo il ricercatore, spesso affrontano l’ignoto utilizzando tecniche di dati più
avanzate per fare previsioni sul futuro. È colui che spesso utilizza tecniche che anche lui
stesso sviluppa, possiamo vederlo come un analizzatore dei dati ma molto più approfondito.
• Capace di lavorare sui dati grezzi
• È colui che studia nuovi algoritmi, li personalizza ma solitamente non li crea
• È più approfondito sul cercare nuove soluzioni e metodiche andando a lavorare su
dati più grezzi.

41
Sono entrambe due figure che in certi aspetti si sovrappongono:

Data Analyst Data Scientist

Conoscenze di statistica
Matematica Fondamenti di statistica
avanzata e analisi predittive
Programmazione Conoscenze base Conoscenze approfondite
Spesso anche di pubblico
Strumenti Software commerciali dominio che possono essere
personalizzati
Conosce bene la
Analitico, deve analizzare e modellazione dei dati, Deep
Pensiero
visualizzare i dati Learning e Machine
Learning

Perché oggi si parla di Big Data, IA?

I primi approcci di questi concetti si hanno già da molti anni ma mancava qualcosa che oggi
abbiamo, tre elementi fondamentali:
• Algoritmi
• Big Data
• Potenza di calcolo
Oggi che queste tre cose sono presenti, l’intelligenza artificiale è esplosa nelle sue
potenzialità grazie a questo matrimonio a tre.

Tornando al mondo sanitario, l’80% dei dati presenti non sono strutturati e ciò si ripercuote
sull’incapacità di un dato di essere trasferito da un posto ad un altro e nella gestione dei
singoli dati di un paziente questo è un problema.
Per analizzare il mondo sanitario con lo scopo di prendere decisioni sulla sanità, analizzando
il mondo sanitario nella sua globalità, le tecnologie dei Big Data potrebbero estrarre dati per
porre supporto a decisioni cliniche difficili ed importanti. Quello che poteva essere un
problema per il singolo paziente, potrebbe non esserlo più se usiamo i Big Data per
analizzare il mondo sanitario nella sua globalità; ad esempio, utilizzare i dati di molte
strutture sanitarie per intercettare una pandemia prima del suo picco.

La situazione attuale ha scarse capacità di integrazione e c’è anche una situazione di

incapacità a gestire grossi volumi. Nel mondo sanitario c’è la possibilità di estrarre i Big Data
per nuove informazioni ma ci troviamo con strutture vecchie che non sono in grado di gestire
tutto questo a causa della mancanza di grandi volumi e grandi velocità su cui i Big Data stessi
si basano.

42
Eppure, sia Big Data che IA trovano applicazioni varie nel mondo sanitario, sia nell’analisi
di dati di sistemi impiantabili con finalità statistica, biomedica…c’è un grande interesse da
parte delle grandi aziende di gestire dati perché più dati ci sono e si possiedono, più
possibilità si hanno di estrarre informazioni.

I Big Data sono una tecnologia da usare con cura e richiedono professioni specializzate;
nonostante questo, nelle loro analisi possono sbagliare, può capitare che il modello di
riferimento sia errato.
Consigli per evitare fallimenti:
• Formazione e professionalità
• Lavoro in sinergia e non in isolamento
• Lavoro scalabile
• La sicurezza dei dati
• Non trascurare i piccoli dati
• La coerenza dei dati
• Rapidità delle risposte
• Valutare varie soluzioni
• Sistemi di archiviazione
• La raccolta dei dati

Come Galilei utilizzò microscopio e macroscopio per osservare oggetti molto piccoli e oggetti
molto distanti, noi oggi abbiamo il computer come “macroscopio”, come strumento che
permette di vedere i processi di grandi dimensioni che accadono nella società
contemporanea e questo strumento assume le forme di un computer, inteso come l’artefatto
che consente di utilizzare il software e le grandi quantità di dati disponibili; i Big Data quindi
permettono di andare nel profondo ed ottenere informazioni più realistiche.
Oggi viviamo in un mondo un po’ particolare, le informazioni sulla rete diventano oggetti
calcolabili; ogni informazione, evento, comunicazione viene classificata e valutata da chi
vende prodotti sulla rete ed usa ogni possibile soluzione tecnologica che possa tracciare
quello che facciamo, che pensiamo e che desideriamo. Tutto viene calcolato tramite
algoritmi di analisi e previsioni che considerano ogni quanto informativo disponibile per
generare indagini quantitative su singoli individui, utenti, gruppi che rappresentano
obiettivi da integrare e prevedere e quindi da utilizzare per le varie aziende come fonte di
guadagno.
I “Data Brocker” detti anche rivenditori di dati, sono società private che raccolgono dati
dal web e informazioni personali su cittadini e consumatori, utilizzando queste informazioni
ricostruiscono i profili delle persone e rivendono le informazioni raccolte ad altri dati a
chiunque sia disposto a pagarle. Proprio per questo il GDPR ribadisce l’importanza di gestire
il dato personale in modo preciso che possa garantire libertà personali della persona, il dato

43
anonimo però non rientra nei suoi campi di applicazione perché manca di elementi
identificativi propri del dato personale.

Per gestire informazioni nel mondo dei Big Data rispettando la privacy, è sufficiente
rendere anonimi i dati?
Un esempio è la tesi di laurea di una ragazza dove vuole vedere quanti ricoveri ospedalieri
sono coperti da riservatezza. Va in ospedale e di fa consegnare le SDO, un elenco anonimo
di entrate ed uscite di pazienti con rispettivi esami ed anamnesi; inoltre ottiene anche le liste
elettorali del comune dello stesso anno, che sono pubbliche.
Analizzando i dati ottiene una identificazione univoca con nome e cognome di più del 90%
degli assistiti dell’ospedale in quell’anno, quindi non sono più anonimi.
Risulta quindi molto facile identificare nuovamente anche i pazienti anonimi grazie ai
sistemi di IA che riescono a riportare in chiaro i dati semplicemente facendo degli incroci e
confrontando i vari dati.
In conclusione, oggi nel mondo dell’intelligenza artificiale… la privacy… ce la prendiamo lì.

44
INTRODUZIONE ALL’INFORMATICA – Dell’Osso
Lezione 02/11/2022

LA COMUNICAZIONE (FAD)
Dipende dai mezzi di comunicazione, c’è un processo comunicativo e poi ci sono degli effetti
diversi e influenzati da vari parametri. Questa comunicazione alla fine deve essere
interpretata perché i messaggi non sono univoci ma l’interpretazione varia a seconda di
come viene interpretata.
Di base, la formazione a distanza consente:
• Superamento delle distanze
• Vincolo sulla presenza fisica
• Alta qualità dell’offerta didattica
Ma ha anche dei contro:
• Costi in realizzazione (tecnologie e personale)
• Costi di formazione
• Costi di manutenzione
• Riduzione dei contatti umani
• Difficoltà di valutare le effettive competenze raggiunte
Per queste attività si parte dai contenuti, questi devono essere esposti tramite tecnologie di
comunicazione e multimediali (strumenti per presentazioni) e successivamente c’è
l’apprendimento a distanza.
• Tecnologie di comunicazione → fibre ottiche, connessioni 4G
• Tecnologie multimediali → tablet, cellulari → forniscono un abbassamento dei costi
ed una miglior performance
• Presentazioni multimediali → collegare varie tecnologie
Le tecnologie sono molte ed a volte difficili da organizzare ma che portano ad una facile
fluidità. La comunicazione si divide in due rami principali:
• Verbale
• Multimediale

IL BLENDED LEARNING

Matam interuniversitario (2005 –2018)

• Lezioni sincrone erogate da 11 Università sul territorio nazionale mediante un
network dedicato.
• Lezioni asincrone registrate presso le 11 Università e pubblicate sul portale e-learning
del master.
45
 • Tracciamento degli accessi e dell’attività asincrona.
• Test intermedi on-line.
• Tesi finale con esposizione frontale.

Matam Pisa (2019-20)

• Lezioni frontali con possibilità di partecipazione in videoconferenza.
• Registrazione delle lezioni frontali per consentire di rivedere le lezioni varie volte e
pubblicazione sul portale e-learning dell’Università.
• Senza tracciamento degli accessi e delle attività.
• Test intermedi on-line.
• Tesi finale con esposizione frontale.
Con la presenza fisica è inutile fare un tracciamento, ovvero memorizzare tutte le
informazioni relative a quello che uno fa.

LEARNING MANAGEMENT SYSTEM (LMS)

Consente di organizzare il database dei corsi, regolamentare gli accessi e tracciare le attività.
Questi corsi sono sviluppati tramite degli standard di interoperabilità che vengono definiti
“Computer Based Training”.
• AICC fondato nel 1988 da alcune compagnie del settore aeronautico per
standardizzare le piattaforme software per la formazione a distanza con lo scopo di
ridurne i costi e la complessità.
• Standard SCORM (Shareable Content Object Reference Model) che consente di
realizzare un certo numero di unità elementari chiamate
Learning Object (L.O.), ognuno di questi deve usare un
linguaggio universale per poter inviare i dati utili al
tracciamento, i risultati, le modalità di lezione…
I L.O. sono unità elementari di conoscenza per la realizzazione
di un corso e-learning compatibile con lo standard SCORM. Le proprietà sono:
• Autoconsistenza
• Modulari
• Reperibili con ricerca su parole chiavi
• Riusabilità
• Interoperabilità
La struttura è mirata ad avere una forma standardizzata, semplice da implementare e da
riutilizzare in caso di necessità.

46
Lectora → era lo strumento “principe” per realizzare i contenuti multimediali, i L.O., da qui
poi potevano essere visualizzate anche caratteristiche della videolezione e altre
informazioni. Il tutto veniva salvato su un file da fare .zip perché potesse essere letto dal
sistema.
Un altro esempio → progetto finanziato dalla regione Toscana per la realizzazione di aule
didattiche attrezzate per la realizzazione di corsi tra ospedale di Viareggio e Pisa; l’obiettivo
era di realizzare una piattaforma per l’erogazione di corsi in teledidattica mantenendo la
qualità della didattica frontale. Vennero quindi fornite varie strumentazioni come monitor,
telecamere, testi cartacei per poter eseguire le lezioni e anche internet tramite tecnologia
ISDN per avere una banda costantemente garantita.

MATAM 2019

Sistema di autenticazione:
• Identificazione: l’utente che vuole accedere ad un sistema informatico deve
identificarsi con un login, username, indirizzo e-mail, bancomat ecc. Questa
informazione non deve essere necessariamente sottoposta a vincolo di segretezza.
• Autenticazione: l’autenticazione è un processo mediante il quale si verifica l’identità
di un utente. L’identità può essere verificata attraverso vari metodi meglio se
combinati fra loro: (password, pin, segnali biometrici, token ecc.). Questa
informazione deve essere mantenuta segreta.
• Autorizzazione: un sistema di controllo degli accessi e dei privilegi consente l’accesso
solamente alle risorse per cui l’utente è autorizzato (profili utente).
La regola vuole che tutti i diritti siano negati se non espressamente permessi. Sulle risorse
possono essere concessi i diritti di lettura, scrittura, modifica, esecuzione.

Le Credenziali di Ateneo sono le credenziali elettroniche di autenticazione,

emesse da una apposita struttura dell’Amministrazione Centrale dell’Ateneo,
che identificano univocamente un soggetto nell’ambito dell’Ateneo.
Accesso unificato ai servizi di Ateneo per studenti, personale dell'Ateneo e soggetti
autorizzati
• Per il personale: gestione presenze, cedolino stipendio, accesso alla rete, posta
elettronica, registri, web services, installazione software Microsoft ecc.).
• Per gli studenti: anagrafica, gestione e iscrizione esami, accesso alla rete, e-learning,
posta elettronica, installazione software Microsoft ecc.)
Modalità di consegna e trasmissione su rete delle credenziali conformi alle norme di
riservatezza e sicurezza.

47
POST-PROCESSING
Le immagini acquisite dai sistemi di acquisizione vengono modificate in modo da ricavarne
immagini con migliori qualità:
• Eliminare il rumore
• Identificare i diversi tessuti o aree di interesse
• Ricostruire organi in 2D o 3D a partire da dati bidimensionali
Nelle ricostruzioni 2D l’immagine ripete le caratteristiche di rappresentazione della visione
assiale utilizzando gli altri piani.
Nelle ricostruzioni 3D il software deve esaltare determinate caratteristiche quali contorni,
la morfologia dei vasi e degli organi e la prospettiva endoscopica.
L’acquisizione volumetrica consente di effettuare ricostruzioni con diverse tecniche:
• M.P.R. → Multi Planar Reformation
• M.I.P. → Maximum Intensity Projection
• V.R. → Volume Rendering

FILTRAGGIO E RISTRUTTURAZIONE

Quando trattiamo immagini diagnostiche partiamo da una prima fase che permette di
eliminare caratteristiche che interferiscono sulla buona visualizzazione dell’immagine; ci
sono dei filtri utilizzati, alcuni eliminano determinate frequenze o smussano eventuali
irregolarità o sfumano i contorni. Altri filtri consentono di aumentare le differenze fra pixel
O voxel vicini (contrasto).
Una delle tecniche più usate è il volume rendering che consente di ricostruire in 3D
partendo da un data set di acquisizioni 2D. L’operatore definisce il punto di vista, l’algoritmo
di rendering, la mappa dei colori e dell’opacità (trasparenza) dei volumi unitari (voxel),
pertanto si tratta di una tecnica operatore dipendente. Tale modalità di ricostruzione
volumetrica utilizza tutti i dati presenti nel volume acquisito ed assegna a ciascun voxel un
valore di luminosità e contrasto proporzionali al contenuto densitometrico ed alla sua
posizione.
La fase della segmentazione invece consiste nel dividere in regioni omogenee l’immagine
(pelle, ossa, vasi, grasso…), i metodi permettono di individuare i contorni, valori di soglia o
di assegnare valori ai singoli pixel interattivamente. L'immagine viene suddivisa in regioni
tra di loro omogenee: vengono individuati pelle, ossa, grasso, vasi sanguigni, tessuto
connettivo etc. I metodi semi-automatici consentono di individuare contorni, valori di soglia
o di assegnare valori ai singoli pixel interattivamente.
Infine, ogni regione viene classificata come tessuto sano, con lesione, oppure dividere in
lobi alcuni organi (fegato, polmoni). Un sistema di riconoscimento automatico così riesce a
riconoscere tessuti benigni o lesioni o altre caratteristiche.

48
Colonscopia virtuale → tecnica non invasiva effettuata attraverso l’acquisizione di una TC
con successiva ricostruzione 3D che permette la visualizzazione di eventuali problematiche
presenti a livello dell’organo ma senza l’invasività di altri esami.

FUSIONE DI IMMAGINI

Gli esami di radiodiagnostica (radiografia, TC, ecografia e RM) offrono allo specialista
Informazioni morfologiche, cioè sulla forma e la struttura degli organi. Mentre gli esami di
medicina nucleare (PET, SPECT) offrono informazioni funzionali ovvero su come
funzionano organi e tessuti, la fusione di immagini diagnostiche è finalizzata a utilizzare
informazioni morfologiche e funzionali per la realizzazione di modelli 3D.
• Approccio hardware → si utilizzano strumenti di acquisizione ibridi (SPECT/TC,
PET/TC) che consentono di ottenere dati dalle diverse modalità nello stesso spazio
anatomico e contemporaneamente
• Approccio software → quando due acquisizioni sono effettuate separatamente si
procede prima ad una fase di coregistrazione poi alla fusione (faccio una TC e poi una
PET in due momenti diversi e poi le immagini le butto in un software che farà delle
fusioni)
L’approccio hardware è migliore di quello software perché le acquisizioni sono ravvicinate e
permettono una sovrapposizione migliore delle strutture, l’esame viene eseguito dalla stessa
macchina, con gli stessi dati e le stesse misurazioni; quindi, è anche più facile sovrapporre
le immagini e confrontarle.
Per fare questo esiste la tecnica di coregistrazione che permette di sovrapporre immagini
presi in tempi diversi e con diversi sensori; l’obiettivo è quello di determinare la
trasformazione spaziale che mappa i punti di un’immagine nei corrispondenti punti
dell’immagine che vogliamo registrare.
La coregistrazione delle immagini consiste in una trasformazione spaziale ottimale che
permetta di sovrapporre due o più immagini della stessa scena prese in tempi diversi, da
diversi punti di vista o con diversi sensori.
L’obiettivo di un algoritmo di coregistrazione è quello di determinare la trasformazione
spaziale che mappa i punti di un’immagine nei corrispondenti punti dell’immagine che
vogliamo registrare.
Fusione di immagini → pertanto, si hanno algoritmi ottimizzati per lavorare su coppie di
immagini raffiguranti la stessa scena ma acquisite:
• da punti di vista differenti (multiview analysis);
• in tempi differenti (multitemporal analysis);
• mediante differenti tipologie di sensori (multimodal analysis)

49
CHIRURGIA ASSISTITA CON COMPUTER (CAS)

Le tecniche viste fino ad ora sono utilizzate per assistere il chirurgo nella preparazione e
nell’esecuzione di interventi chirurgici. Le immagini acquisite prima dell’intervento sono
elaborate per realizzare modelli 3D degli organi interessati.
Sono utilizzati per minimizzare le seguenti cause di errore diagnostico:
• Scarsa qualità delle immagini
• Difficoltà di concentrazione
• Difficoltà a identificare lesioni di dimensioni ridotte
• Soggettività dell’interpretazione
Il lavoro svolto dai CAD viene distinto in 3 fasi:
• Segmentazione (generazione del modello 3D)
• Estrazione delle caratteristiche (riconoscimento delle lesioni)
• Classificazione (distinzione dei falsi positivi)

EndoCAS
EndoCAS è un centro di eccellenza dell’Università di Pisa convenzionato con la AOUP e
afferisce al Dipartimento di Ricerca Traslazionale e delle Nuove Tecnologie in Medicina e
Chirurgia.
EndoCAS è strutturato in due divisioni:
• EndoCAS Research → Ricerca e sviluppo in Chirurgia assistita dal computer
• EndoCAS Education → Corsi e addestramento di simulazione in medicina e chirurgia
Il team di EndoCAS è multidisciplinare ed include: ingegneri, informatici, economisti,
medici, la maggior parte dei quali chirurghi e radiologi.
La missione di EndoCAS è diventare il centro di riferimento in Italia per la formazione di
specializzandi in chirurgia, chirurghi e studenti di medicina in procedure di chirurgia
mininvasiva attraverso la simulazione. Un esempio è la segmentazione della mammella.

Nella modellizzazione abbiamo una ricostruzione di tutte le parti che costituiscono l’organo
e poi viene scelto un piano di sezione dell’organo che consente di visualizzare la parte da
tagliare e quella residua che poi può rigenerarsi senza che il fegato perda la sua funzionalità.

50
 Lezione 14/11/2022

ACQUISIZIONE DELLE IMMAGINI RADIOLOGICHE

Le immagini diagnostiche vengono acquisite come immagini digitali, archiviate, visualizzate
ed elaborate. Abbiamo una serie di modalità con cui possiamo acquisire le immagini (TC,
RM, RX…) e queste acquisizioni variano a seconda del piano anatomico da studiare.
• Assiale
• Sagittale
• Coronale

La Tomografia Computerizzata (TC) è una tecnica di Diagnostica per Immagini che fornisce
immagini tomografiche (strati corporei) distinguendo organi e tessuti sulla base della loro
densità. Le TC moderne sono multistrato, ovvero riescono ad acquisire più strati
contemporaneamente diminuendo così il tempo di esposizione.
Nel corso degli ultimi anni si sono affermate TC a 64, 128 fino 640 strati. Uno strato del
corpo viene attraversato da un fascio di raggi X, prodotto da un tubo che ruota intorno al
paziente, mentre il lettino si sposta parallelamente al corpo del paziente. I dati relativi
all’attenuazione del fascio vengono misurati da rivelatori situati dal lato opposto del paziente
rispetto al tubo e successivamente inviati ad un elaboratore che ricostruisce le immagini
delle strutture anatomiche presenti nello strato considerato. Sono previste sorgenti di raggi
X da diversi punti di vista per poter misurare correttamente la densità delle strutture
anatomiche sovrapposte. Il valore della densità così misurata viene convertita in livelli di
grigio. Questo è possibile perché ogni tessuto interagisce con il fascio di fotoni in maniera
diversa.
Un tessuto trasparente ai fotoni sarà codificato con un grigio più scuro e si definisce
"radiotrasparente", un tessuto che impedisce, completamente o parzialmente, il passaggio
dei fotoni sarà codificato con un grigio più chiaro e si definisce "radiopaco”.
La radio densità è la proprietà di trasparenza relativa di un materiale al passaggio di
radiazioni. Tale proprietà può essere quantificata per mezzo della scala Hounsfield.

SCALA HOUNDSFIELD
La scala Hounsfield anche chiamata numero CT, è una scala di unità di misura usata per
descrivere quantitativamente la radio densità.
Prende il nome dall'ingegnere britannico Godfrey Hounsfield, Il simbolo è HU (Hounsfield
Unit); Il valore HU=0 è assegnato all'acqua distillata a pressione e temperatura in condizioni
standard, il valore HU= -1000 è assegnato all'aria in condizioni standard
Per un materiale con coefficiente di assorbimento C il corrispondente valore HU è calcolato
con la formula:

51
FINESTRE E LIVELLI
Questa tecnica serve per rilevare dettagli fini e discriminare fra i tessuti con minima
differenza di contrasto. L’occhio umano è in grado di distinguere relativamente pochi livelli
di grigio; pertanto, si rappresentano solo i livelli di grigio di un certo intervallo di numeri CT
corrispondenti alle strutture di maggior interesse. Questo intervallo è definito da una
finestra di visualizzazione WW, la cui ampiezza rappresenta il numero dei coefficienti
densitometrici da visualizzare, e da un livello WL, che esprime il livello densitometrico
corrispondente al centro della finestra. La variazione di questi parametri è effettuata, in base
al tipo di tessuto da analizzare, in tempo reale dallo
specialista con il movimento del mouse. Il range di
rappresentazione dei grigi viene definito da due
parametri:
• Ampiezza della finestra (Window Width, WW)
• Livello della finestra (Window Level, WL)
I livelli al di sopra ed al di sotto dei limiti della finestra
sono rappresentati come bianco e nero. I livelli di grigio
intermedi vengono distribuiti in maniera lineare
all’interno della finestra: una finestra ampia consente la
rappresentazione di molti livelli di grigio; se la finestra è stretta, tra il bianco ed il nero ci
saranno pochi livelli di grigio per cui saranno visibili anche lievi differenze di densità.

52
SYNAPSE
• SYNAPSE 3D è una soluzione multi-modality in quanto accetta immagini DICOM
acquisite da una varietà di modalità, quali CT, MR, CR, US, NM, PT, and XA.
• SYNAPSE 3D è una soluzione di tipo multi-vendor in quanto ha il vantaggio di
poter essere impiegato per il rendering di ogni tipo acquisizione multislice,
integrando tutte le modalità presenti nel dipartimento.
Grazie all’integrazione nativa con l’archivio immagini (SYNAPSE PACS), l’intero workflow
trae beneficio in termini di risparmio di tempo in fase di refertazione e revisione in quanto
le funzionalità di elaborazione avanzata sono disponibili su ogni postazione di refertazione
PACS.
• SYNAPSE 3D garantisce una qualità di rendering estremamente elevata grazie all’uso
dell’avanzata tecnologia di Image Intelligence, utilizzata per la segmentazione
tissutale, che permette di aggiungere agli algoritmi di segmentazione, presenti nei più
comuni software 3D, precisione e rapidità nella selezione di ogni tipo di tessuto: osso,
vasi, organi specifici.

FUNZIONALITÀ

• 3D Viewer
• Aortic Valve Analysis
• Brian Perfusion CT
• Fusion Viewer
• Etc.
Dal menù principale si sceglie la zona del corpo che interessa valutare e la funzione di
elaborazione desiderata.

53
MONITORAGGIO INFORMATICO DELLA DOSE RADIANTE
PREMESSA
Ogni anno nel mondo vengono eseguiti 5 miliardi di esami prodotti dalle diverse metodiche
di imaging e si prevede che questo numero sia destinato ad aumentare nel prossimo futuro.
La popolazione è esposta sempre più alle radiazioni ionizzanti, in particolare modo la TC
eroga il 65% delle radiazioni ionizzanti.
Sebbene nelle moderne TC siano diminuiti i tempi di scansione e sia aumentata la qualità
diagnostica delle immagini, l’incremento degli esami prodotti introducono una
preoccupazione per la salute dei pazienti, pur essendo la TC un’indagine fondamentale per
le attività di screening, diagnosi, terapia e gestione della cura del paziente fornendo
informazioni di tipo sia anatomico sia funzionale.
Poiché studi prospettici prevedono che circa l’1,5% dei tumori saranno radio-indotti sono
allo studio linee guida per disciplinare le metodiche di lavoro in modo da tutelare il paziente
esposto a radiazioni ionizzanti.
Negli anni sono quindi state istituite iniziative mirate a informare la popolazione epr
ottimizzare le procedure radiologiche tra cui:
• Image wisley
• Image gently → specifico per paziente pediatrici
• Doseteam 4 you → gruppo di lavoro interdisciplinare creato a Pisa, con un’attenta
ottimizzazione abbiamo meno dose e più informazione diagnostica

DIRETTIVA EURATOM/59/2013
Nel settore medico, importanti sviluppi tecnologici e scientifici hanno determinato un
incremento notevole dell'esposizione dei pazienti. A tale riguardo, è opportuno che la
presente direttiva evidenzi la necessità di giustificare le esposizioni mediche, compresa
l’esposizione di soggetti asintomatici, e rafforzi i requisiti riguardanti le informazioni da
fornire ai pazienti, la registrazione e la comunicazione delle dosi dovute alle procedure
mediche, l’adozione di livelli di riferimento diagnostici nonché la disponibilità di dispositivi
che segnalino la dose.
• Il paziente deve essere informato in merito ai rischi e ai benefici associati alla dose di
radiazione dovuta all’esposizione medica
• Il dato dosimetrico deve essere registrato sul referto dell’esame che si trova sul RIS
• Il dato dosimetrico è un valore numerico che deve essere comprensibile dal paziente
• L’analisi dei dati dosimetrici serve per validare la qualità dei processi in radiologia e
per limitare le variabilità di dose se non clinicamente giustificate
• Da recepire entro il 6/2/2018
Le parti essenziali di questa direttiva quindi sono: giustificazione, ottimizzazione,
procedure, apparecchiature, dose alla popolazione.

54
Ottimizzazione → tutte le dosi dovute a esposizioni mediche siano mantenute al livello più
basso ragionevole ottenibile e compatibile con l’ottenimento dell’informazione medica
richiesta.
L'ottimizzazione comprende la scelta delle attrezzature, la produzione adeguata di
un'informazione diagnostica o di risultati terapeutici appropriati, gli aspetti pratici delle
procedure medico-radiologiche, la garanzia della qualità, nonché l'esame e la valutazione
delle dosi per paziente.
Miglior diagnosi con la minor dose possibile è consentito solo da apparecchiature di ultima
generazione. Procedure e protocolli avanzati e operatori formati al corretto utilizzo delle
procedure; tutto questo richiede tempo e risorse economiche.
• Variabilità giustificata → Sesso, età, altezza corporatura, necessità cliniche, diverse
tecnologie
• Variabilità ingiustificata → Diversi protocolli, fattori temporali e umani

Giustificazione → si suddivide in due categorie:

• A.L.A.R.A. → (as low as reasonably achievable), le esposizioni devono essere
mantenute al livello più basso che possa ragionevolmente essere ottenuto, tenuto
conto dei fattori economici e sociali.
• A.L.A.D.A. → (as low as diagnostically acceptable) le esposizioni devono essere
mantenute al livello più basso compatibilmente con la qualità diagnostica ottenibile
Le esposizioni mediche devono essere sufficientemente efficaci mediante la valutazione dei
potenziali vantaggi da esse prodotti, inclusi i benefici diretti per la salute della persona e
della collettività, rispetto al danno che l'esposizione potrebbe causare, tenendo conto
dell'efficacia, dei vantaggi e dei rischi di tecniche alternative disponibili, che non
comportano un'esposizione alle radiazioni ionizzanti ovvero ne comportano una minore.
Tutte le esposizioni mediche individuali devono essere giustificate preliminarmente,
tenendo conto degli obiettivi specifici dell'esposizione e delle caratteristiche della persona
interessata.

Procedure → L'informazione relativa all'esposizione del paziente deve far parte del referto
della procedura medico-radiologica.
Il dato di esposizione legato alla prestazione radiologica diventa elemento integrante della
documentazione che deve essere conservata e gestita insieme alle immagini e al referto.
• Gli audit clinici siano effettuati secondo le procedure nazionali
• In caso di costante superamento dei livelli diagnostici di riferimento, si proceda ad
adeguate verifiche locali e, senza indebito ritardo, a un appropriato intervento
correttivo. (Sistemi di «alert» che avvisino l’operatore in caso di procedura con elevati
livelli di dose).

55
Apparecchiature
• Le attrezzature usate per la radiologia interventistica e la tomografia computerizzata
ed ogni nuova attrezzatura usata per scopi di pianificazione, di guida e di verifica
siano munite di un dispositivo o di un indicatore che informi il medico specialista, al
termine della procedura, dei parametri pertinenti per la valutazione della dose per
paziente;
• Le attrezzature usate per la radiologia interventistica e la tomografia computerizzata
abbiano la capacità di trasferire le informazioni richieste a norma del punto sopra
nella registrazione dell’esame.

Dose alla popolazione → la distribuzione delle valutazioni delle dosi individuali connesse
con le esposizioni mediche per scopi radiodiagnostici e di radiologia interventistica sia
determinata tenendo conto, se del caso, della ripartizione per età e per genere delle persone
esposte.

Conclusioni → i software di monitoraggio della dose, se correttamente utilizzati, aiutano a

gestire in modo automatizzato l’enorme quantità di dati necessari per l’attuazione della
direttiva, in particolare:
• Dato di esposizione nel referto della procedura
• Ottimizzazione della dose
• Audit clinici
• Costante confronto con i LDR
• Trasferimento dei parametri per la valutazione della dose

STANDARD DI COMUNICAZIONE

DICOM definisce i criteri per la comunicazione, la visualizzazione, archiviazione, stampa di

immagini di tipo biomedico, tra le quali sono comprese le immagini radiologiche. Le
informazioni sono catalogate in gruppi di elementi numerici denominati “tag DICOM” che
individuano in modo univoco i dati.
I due sistemi di archiviazione sono il RIS e PACS. Il dato di esposizione deve essere gestito
come parte integrante dei sistemi informativi di radiologia con gli strumenti indicati dagli
standard internazionali (DMS o Dose Management System).
I dati dosimetrici variano a seconda della tecnica di studio e ci sono varie modalità di calcolo
sempre a seconda della tecnica usata.
Osservazioni generali:
• Accuratezza → il dato di esposizione fornito dalle apparecchiature radiologiche è il
più delle volte un valore stimato ed è importante il suo controllo periodico come parte
integrante delle verifiche di qualità delle apparecchiature radiologiche

56
 • Incertezza → il dato di esposizione deve essere fornito con un livello di incertezza che
può variare da 20-50% rispetto al valore rilevato
• Controllo di qualità → i sistemi di monitoraggio dedicati alla gestione integrata dei
dati di esposizione devono essere sottoposti a controlli di qualità periodici

Possono poi esserci altri fattori fisici che influenzano la dose del paziente:
• Variazione della qualità dell’immagine
• Aumento dell’ingrandimento
• Distanza del paziente dal tubo
• Numero di frame acquisiti al secondo
• Utilizzo appropriato dei collimatori
• Angolazione del fascio

Come si misura la dose in TC?

Il gray (simbolo Gy) è l'unità di misura della dose di radiazione assorbita.
Un'esposizione di un gray corrisponde a una energia di un joule su un chilogrammo di
materia e dipende dalla lunghezza lineare e dal tempo.
CTDI → (Computed tomography dose index) è un indice di esposizione alle
radiazioni ionizzanti comunemente utilizzato nella TC. È la somma della dose radiante
assorbita nei diversi punti di una scansione. Si tratta della radiazione erogata dal tomografo
e viene misurata su un fantoccio in materiale acrilico equivalente per assorbimento al
tessuto umano che deve simulare, vengono utilizzati pertanto fantocci di diversi per
composizione e dimensioni. Quindi il CTDI non è la quantità di «dose al paziente» (che
dipende da altri fattori quali l’età e la costituzione fisica). Si misura in milligray (mGy).
CTDI pesato → la distribuzione della dose all’interno di una scansione assume
valori più grandi nella periferia rispetto al centro della scansione quindi il CTDI è stato
superato da questo nuovo CTDI pesato.
CTDIvol → tiene conto di altri fattori rispetto al CTDI ovvero la distribuzione della
dose all'interno di una scansione assume valori più grandi nella periferia rispetto al centro
della scansione e la velocità di spostamento del lettino (pitch).
Il CTDIvol descrive la dose media sul
volume totale. Il CTDIvol è misurato in
unità di mGy per esposizioni su un
fantoccio in materiale acrilico o di 16-
cm (esami cranio/encefalo) o di 32-
cm (per esami body). Impiegando
parametri e tecniche di scansione identiche, il CTDIvol misurato nel fantoccio di 16-cm di
diametro è circa il doppio di quello misurato nel fantoccio di 32-cm.

57
 DLP → Dose Lenght Product, corrisponde al CTDIvol per la lunghezza della
scansione, anche questo si misura in mGy/cm

Come raccogliere i dati dosimetrici?

Il dato dosimetrico può essere registrato:
• con strumenti non DICOM (Dose Report proprietari) → il dato dosimetrico
disponibile può essere gestito solo manualmente (inserimento nel RIS) o utilizzando
un software di lettura OCR in grado di estrarre l’informazione dosimetrica a partire
dai Dose Report
• con strumenti DICOM → tramite Secondary Capture, Header DICOM, Modaliy
Performed Procedure Step, Report strutturato di dose, dosimetri esterni
Dipende dalle caratteristiche della modalità (Tipo apparecchiatura, anno di fabbricazione,
versione) e dall’architettura del sistema RIS-PACS.

1. SECONDARY CAPTURE
Immagine prodotta dalle TC alla fine di uno studio. Questi valori sono memorizzati insieme
ai valori di CTDIvol e DLP per ciascuna serie, insieme ad altre informazioni riguardanti
l’esame e il paziente. I dati possono essere letti con la tecnologia OCR (Optical Character
Recognition).

2. HEADER DICOM
L’Header di un’immagine DICOM è un file di testo contenente molteplici informazioni, tra
cui i dati relativi al paziente, al protocollo e alla geometria di acquisizione, i dati di
esposizione, le caratteristiche dell’immagine e i dati dosimetrici.
Tutte le informazioni memorizzate nell’Header DICOM vengono catalogate in gruppi di
elementi numerici denominati “Tag DICOM” che individuano in modo univoco i dati
secondo uno standard internazionale.
File di testo contenente molteplici informazioni che variano con la modalità, il sistema
d’immagine, il produttore e la versione:
• Dati relativi al paziente
• Dati relativi al protocollo
• Dati relativi alla geometria
• Dati relativi all’esposizione
• Grandezze dosimetriche
L’Header DICOM è parte integrante dell’immagine, quindi se le immagini non vengono
memorizzate o vengono cancellate anche i relativi dati vengono persi. Le informazioni
dosimetriche sono ridondanti e potrebbero indurre a sovrastimare la dose al paziente,
possono essere incomplete e diversi costruttori possono implementare Header diversi.

58
 3. MODALITY PERFORMED PROCEDURE STEP
L’MPPS è un messaggio di notifica dello stato di avanzamento dello studio dalla modalità al
RIS e/o PACS, finalizzato ad informare questi ultimi dei processi in corso. È finalizzato alla
gestione del flusso di lavoro ed è indipendente dalle immagini; non viene memorizzato in
modo persistente.
Il messaggio MPPS registra informazioni quali la dose totale e il tempo di esposizione della
procedura, la geometria del sistema, l’anatomia del paziente e alcuni dettagli espositivi come
i kVp, la corrente (mA), il tempo di esposizione e i filtri utilizzati.
• I dati dosimetrici possono essere incompleti.
• RIS e PACS sono in grado di leggere le informazioni e archiviarle.

4. RADIATION DOSE STRUCTURED REPORT

È un oggetto DICOM il cui contenuto è definito da standard di report strutturato appropriati
per il monitoraggio della dose in TC, angiografia, fluoroscopia, mammografia e radiologia
tradizionale.
• I dati dosimetrici vengono registrati per ogni evento di irradiazione.
• Il RDSR viene archiviato nel PACS insieme alle immagini come parte dello studio e
rappresenta una vera e propria serie.
o Raccogliere i dati dosimetrici
o Quantificare la dose al paziente per ogni singolo esame
o Controllare (alert, report)
o Analizzare (tool di analisi dei dati)
o Ottimizzare (azioni correttive)
o Storia dosimetrica del paziente
Un software RDIM deve potersi interfacciare con ogni tipo di apparecchiatura radiologica
digitale, indipendentemente dal produttore e dalla sede dove viene installato, utilizzando i
protocolli radiologici standard.
Integrazione → i RDIM devono potersi interfacciare con ogni tipo di apparecchiatura
radiologica digitale, indipendentemente dal produttore della stessa e dalla sede aziendale di
installazione; devono sapersi integrare tramite protocolli standard utilizzati in ambito
radiologico (HL7, DICOM).

59
 Lezione 18/11/2022

SYNCRO-DOSE
Il software di monitoraggio informatico della dose Syncro-dose è stato sviluppato
dall’azienda Fujifilm in collaborazione con l’Università di Pisa e utilizzato nell’AOUP a
partire dal maggio 2017; è interamente integrato con il PACS ed è in grado di comunicare
con il RIS al fine di integrare il dato dosimetrico nella cartella clinica del paziente
Acquisisce il dato dosimetrico da:
• Tomografi
• Mammografi
• Angiografi
• Radiografia digitale
Per accedere si una un browser web e si usano le credenziali di azienda, scelte in base al
profilo della persona che va ad operare (medico, tecnico…). Il menù consente di accedere a
certe modalità come cerca e configurazioni.

STATISTICA “SCATTER TIME PLOT”

Distribuzione della dose erogata e degli esami
prodotti da ciascuna apparecchiatura nel tempo.
Nello specifico, vengono mostrati un grafico ed
una tabella. Nel grafico abbiamo sulle ordinate i
DLP e sulle ascisse la data, ogni punto
rappresenta un esame ed ogni colore
rappresenta una specifica apparecchiatura, come da legenda accanto al grafico. Se si clicca
sul singolo punto è possibile accedere al task dettaglio studio.

ANALISI DELLA DISTRIBUZIONE

Tipo di Acquisizione:
• Età / genere
• Lunghezza scansione
• CTDIvol
• DLP totale per studio
Distribuzione per tipo di acquisizione → Quante serie (Eventi di Irradiazione) di ciascun
tipo sono state eseguite; il risultato viene mostrato sia attraverso un grafico a torta, sia
attraverso una tabella.
Tipi di irradiazione:
• Assiale
• elicoidale
• scout
60
 • stazionario
Distribuzione per età/genere → Distribuzione degli esami prodotti da ciascuna
apparecchiatura in funzione dell’età e del genere dei
pazienti. Nel grafico ogni colonna rappresenta una
fascia di età e l’altezza delle colonne indica il
numero di pazienti di quella fascia (rosso: maschi,
Blu: femmine).
Nella tabella sono elencati i singoli eventi di
irradiazione.
Distribuzione per lunghezza scansione → Tale statistica mostra, graficamente e tramite
tabella, la distribuzione della lunghezza di scansione su tutti gli Eventi di Irradiazione ovvero
quanti esami sono stati fatti per quella lunghezza di scansione.
Distribuzione per CTDIvol → Tale statistica mostra, graficamente e tramite tabella, la
distribuzione CTDIvol su tutti gli Eventi di Irradiazione ovvero quanti esami sono stati svolti
per ogni valore di CTDI.
Distribuzione DLP totale per studio → Tale statistica mostra, graficamente e tramite tabella,
la distribuzione dei valori di DLP totale su tutti gli studi in oggetto.

ANALISI INTERQUARTILI
Le analisi interquartili vengono effettuale con calcolo DLP sempre sull’asse delle y e sull’asse
delle x vari possibili protocolli (descrizione di studio, protocollo, totale età) e per regione
target.
Descrizione di studio → Le Descrizioni Studio (Study Description), sono analizzate
graficamente per DLP totale. In tabella per ogni Study Descriptionsono riportati: il nome, il
numero di esami il numero medio di Eventi di irradiazione, DLP totale per esame, Media,
Minimo, Massimo, 25° percentile, Mediana, 75°percentile.
Protocollo → rispetto alla precedente statistica, viene analizzata la distribuzione per
protocollo DLP per evento di irradiazione
Regione target → la Regione Target (per es. Cranio, Addome, Torace, Pelvi etc.) di ciascun
evento di Irradiazione è analizzata graficamente riporta graficamente. Per ciascuna regione
la tabella mostra il numero di Eventi di Irradiazione e gli stessi valori della statistica
precedente, questa volta relativi al DLP per Evento di Irradiazione.

Ci sono poi varie task:

Dettaglio modalità → tabella che raccoglie tutti gli studi relativi alla specifica
apparecchiatura ed all’intervallo temporale che sono stati selezionati analoga a quella
mostrata nelle statistiche Scatter Time Plot e Scatter Age Plot
Dettaglio studio → che indica dove si posiziona il paziente in una determinata statistica
DLP totale per un determinato studio
Storia dosimetrica del paziente → tutti gli eventi effettuati e tutto il DLP erogato

61
LA PROTEZIONE DEI DATI SANITARI
Gli incidenti informatici avvengono prevalentemente tramite uso di mail, in particolare a
causa degli allegati. In sanità risultano relativamente pochi rispetto ad altri ambiti come
industria o settori pubblici, questi incidenti possono compromettere dati medici,
finanziari… l’abuso di questi privilegi di accesso sono la causa principale di incidenti in
ambito sanitario e per il 68% provengono dall’interno.
La perdita di informazioni importanti per una struttura prende il nome di “data breach”.
Tra i principali motivi abbiamo quello finanziario ma quasi la metà dei casi non ha
motivazione, per divertimento. La maggior parte degli errori invece sono dovute ad
incomprensioni su disposizioni interne, smarrimento di documentazioni, configurazioni
errate.
Quando avvengono questi incidenti, non è detto che questi vengano subito identificati, la
maggior parte nemmeno vengono riconosciuti, molti nel giro di anni e mesi, raramente nel
giro di settimane.

PHISHING E MALWARE
Un attacco di phishing si verifica quando qualcuno assume un’altra identità, spesso tramite
un sito web fasullo, per indurti a condividere informazioni personali. Si chiama “phishing”
(pesca) perché i cattivi “gettano un’esca elettronica e aspettano che qualcuno abbocchi
all’amo”. In una tipica frode di phishing, il malintenzionato invia un’e-mail che sembra
provenire da una banca o da un servizio web a te familiare. La riga dell’oggetto potrebbe
essere simile a: “Aggiorna i tuoi dati presso la tua banca!”.
L’email di phishing contiene link che sembrano rimandare al sito web della tua banca, ma
che in realtà ti portano sul sito web di un impostore. Lì ti viene chiesto di eseguire l’accesso
e in questo modo riveli inconsapevolmente il numero del tuo conto corrente, i numeri delle
tue carte di credito, le tue password o altre informazioni riservate.
Il malware, invece, è un programma software dannoso che si installa sul tuo computer,
generalmente a tua insaputa. È possibile che ti venga chiesto di scaricare un software
antivirus che è in realtà un virus, oppure potrebbe capitarti di visitare una pagina che installa
il software sul tuo computer senza nemmeno chiedertelo. Il software è progettato per rubare
numeri di carte di credito o password dal tuo computer o, in alcuni casi, per danneggiare il
computer.

Mail → Verificare l’indirizzo di provenienza. Anche se è attendibile tenete conto che è

possibile utilizzare l’e-mail di un altro utente all’insaputa dell’utente stesso, verificare la
correttezza della lingua italiana, i fornitori di servizi non chiedono informazioni personali o
riservate, non rimandano a link esterni, non impongono scadenze urgenti. Prima di cliccare
su un link passarci sopra con il mouse per verificare il reale percorso.

62
Estensione dei file → Possiamo ricevere dei files da un dispositivo di archiviazione esterno
(per es. pennina USB, oppure come un allegato di posta elettronica). Tutti i file esterni
dovrebbero essere sempre esaminati dall’antivirus, in ogni caso fare attenzione su cosa
cliccate e verificate l’estensione del file, se si tratta di un eseguibile (.exe) significa che
installerà sicuramente qualcosa sul vostro computer.

RANSOMWARE
Cryptolocker è una forma di ransomware infettante i sistemi Windows e che consiste nel
criptare i dati della vittima, richiedendo un pagamento per la decriptazione. CryptoLocker
generalmente si diffonde come allegato di posta elettronica:
• il file allegato alla e-mail contiene un file apparentemente pdf, se l’utente clicca sul
file infettato il gioco è fatto.
Già nel mese di giugno 2016 l’ASP Basilicata veniva attaccata da un potente Ransomware
che cancellava mediante invio di e-mail in maniera irreparabile tutti i documenti presenti
nel computer e nelle cartelle condivise senza possibilità di recuperarli.
Tale ransomware si diffondeva attraverso e-mail scritte “in modo molto affidabile” che
apparivano come fatture, atti giudiziari o altri documenti ufficiali. Le mail contenevano un
allegato malevolo che, se aperto, scaricava e installava sul computer delle vittime il malware.

DARK WEB
Il 13 febbraio 2019 il quotidiano online inglese «The Register» pubblica la notizia che sono
in vendita i dati relativi a ben 617 milioni di account registrati su vari siti Internet al prezzo
di 20 mila dollari da pagarsi in Bitcoin sul Dark Web.
Il Dark Web è una parte di Internet protetta e nascosta alla quale si può accedere solo
tramite appositi software e apposite credenziali. Sul dark web si vende merce illegale, fra cui
i dati personali rubati dai siti hackerati.
I dati suddetti sono molto preziosi perché consentono di mettere in atto le truffe on line
(profili social, conti correnti, spam, geolocalizzazione, tracciamento dei comportamenti ecc.)

Internet of things (IoT) → Gli oggetti sono caratterizzati dalle proprietà di identificazione,
connessione, localizzazione, capacità di elaborare dati e capacità di interagire con l’ambiente
esterno. Assumono pertanto un’intelligenza propria e un comportamento attivo (smart
object).
• Monitoraggio: l'oggetto utilizza sensori, quindi è in grado di produrre informazioni
su di sé o sull'ambiente circostante.
• Controllo: gli oggetti possono essere comandati a distanza attraverso internet.
IoT in sanità → I dispositivi IoT si stanno diffondendo sempre più in ambito sanitario, ma
queste tecnologie mettono ancor più a rischio i dati personali. In particolare, vi sono ancora
molti dispositivi medici datati e vulnerabili agli attacchi degli hacker che sono vere e propri
anelli deboli dei sistemi sanitari.
63
Gli aspetti più critici di questi dispositivi sono:
• l’impossibilità di aggiornare il sistema operativo e il firmware
• l’assenza di algoritmi di crittografia per proteggere i dati
• la mancanza di un controllo digli accessi «forte»
Inoltre, oltre ai dati è a rischio il funzionamento dei macchinari stessi. Un hacker, ad
esempio, potrebbe prendere il controllo di una TC e comprometterne il corretto
funzionamento.

MAGGIOR CURA DEI DATI

Le strutture sanitarie devono pertanto porre particolare attenzione alle policy di sicurezza
informatica.
Questo significa proteggere i molteplici punti di accesso esistenti nella loro rete, analizzare i
dispositivi connessi alla rete e tenere sotto controllo le vulnerabilità a livello software e
hardware di tutti i dispositivi. In particolare, individuare i cosiddetti “anelli deboli” della
rete sfruttati dagli hacker per cercare di penetrare nella rete degli ospedali.
È quindi necessario monitorare e bloccare sul nascere eventuali attacchi che potrebbero
mettere a rischio dati dei pazienti e funzionamento dei macchinari. Per accedere alle aree
riservate contenenti dati sensibili è fortemente consigliato usare:
• un calcolatore sicuro (S.O. aggiornato, antivirus aggiornato, utilizzato solo per
contenuti e siti attendibili)
• una rete sicura (ad accesso limitato e controllato con un sistema di autenticazione
«forte» e protetta da firewall. No hot-spot pubblici). Se costretti altrimenti, cambiare
appena possibile la password di accesso
In sintesi: L’utente da anello debole a prima linea di difesa
• Applicare il principio del minimo privilegio
• Tenere aggiornati i sistemi
• Crittografare i dati sensibili
• Autenticazione a due fattori
• Sicurezza fisica

64
GENERAL DATA PROTECTION REGULAR
È un regolamento operativo dal 25/05/18. Si introducono regole più chiare su informativa e
consenso, vengono definiti i limiti al trattamento dei dati personali e vengono fissate norme
rigorose per i casi di violazione dei dati (data breach).
Dalla sua entrata in vigore, il GDPR sostituisce i contenuti della direttiva sulla protezione
dei dati 95/46/CE e gli articoli del codice per la protezione dei dati personali (d. lgs. n.
196/2003) incompatibili con il nuovo regolamento.
I dati personali → sono qualunque informazione relativa a un individuo, collegata alla sua
vita sia privata, sia professionale o pubblica (es. nomi, foto, indirizzi e-mail, dettagli bancari,
interventi su siti web di social network, informazioni mediche o indirizzi IP di computer).
I dati sanitari → Nel regolamento GDPR i dati idonei a rivelare lo stato di salute o la vita
sessuale rientrano nelle «categorie particolari di dati personali». Nel codice della privacy
italiano compiti del SSN sono la programmazione, la gestione, il controllo e valutazione
dell'assistenza sanitaria; la vigilanza sulle sperimentazioni, la farmacovigilanza.
Per finalità di ricerca medica, biomedica ed epidemiologica previsti dalla legge e approvati
dall'autorità Garante non è necessario il consenso dell'interessato.

Cosa promuove il GDPR?

Tratta di un insieme unico di regole, della responsabilità dei vari attori che intervengono
nella gestione, i tempi di conservazione, la gestione del consenso e la gestione della parte
della sicurezza.
Tra gli adempimenti abbiamo la designazione del responsabile della protezione dati,
istituzione del registro delle attività di trattamento, notifica del “data breach”.

Con l’arrivo del GDPR è stata introdotta una nuova figura ovvero il DPO: Il Data Protection
Officer è una persona esperta in legislazione sulla protezione dei dati, in gestione dei processi
informatici ivi compresi quelli relativi alla protezione da attacchi informatici; deve verificare
l'osservanza del regolamento all’interno dell’azienda.

LA PRIVACY
La protezione dei dati fin dalla progettazione è chiamata “privacy by design”, la protezione
per impostazione predefinita è detta “privacy by default”.
Per impostazione predefinita non devono essere accessibili i dati personali mentre per
progettazione dovranno essere trattati solo i dati personali necessari per ogni specifica
finalità del trattamento. Tale obbligo vale per la quantità dei dati personali raccolti, le
modalità di trattamento e il periodo di conservazione.
I medici potranno trattare i dati del paziente per finalità di cura, senza dover richiedere loro
consenso ma dovranno comunque fornire informazioni complete sull’uso di dati.

Slide da 12 a 16 come lettura

65
DATA BREACH
Un data breach avviene quando è accertata una violazione di sicurezza che comporta
(accidentalmente o in modo illecito) la distruzione, la perdita, la modifica, la divulgazione
non autorizzata o l’accesso ai dati personali trasmessi, conservati o comunque trattati.
Il titolare del trattamento dei dati avrà l'obbligo legale di comunicare la perdita o furto di
dati personali all'autorità nazionale entro 72 ore da quando ne è venuto a conoscenza.
Il titolare del trattamento dovrà avvertire direttamente le persone a cui si riferiscono i dati
compromessi quando la violazione dei dati personali presenta un rischio elevato per i diritti
e le libertà. Il DPO deve prevedere un Registro dei data breach.

Il Data Breach può essere interessare sia la documentazione cartacea che quella digitale:
• Le violazioni dei dati digitali possono provenire dall’esterno per esempio hacking,
malware, spyware dall’interno.
• Il Data Breach si verifica anche riguardo alla perdita di una carta di pagamento, un
computer, un supporto di memorizzazione.
Come misura principale di sicurezza da adottare abbiamo la “pseudonomizzazione”.
La pseudonimizzazione è una tecnica che trasforma i dati in una forma che impedisce
l’identificazione del soggetto senza l’utilizzo di informazioni aggiuntive.
Le informazioni aggiuntive, in genere chiamate chiavi, devono essere conservate
distintamente dai dati per impedirne l’utilizzo a persone non autorizzate; infatti, i dati
pseudonimizzati da soli o la chiavi da sole non consentono di risalire ai dati originari.
Essendo questa tecnica soggetta a tentativi di violazione (cioè di indovinare la chiave di
decodifica) il procedimento deve essere attentamente essere sottoposto a verifiche di
sicurezza.

Il DPO deve fare l’analisi dei rischi analizzando il contesto e gli strumenti usati, con lo scopo
di identificare i pericoli e cercare di prevenirli; nonostante questo rimane sempre un rischio
residuo.
Il GDPR non è stato adottato in maniera precisa e puntuale, ad esempio Google è stata
multata in Francia per non aver chiesto il consenso agli utenti sull’analisi dei dati, aver
mostrato annunci indesiderati e per la presenza di poche politiche di protezione dei dati
degli utenti.

66