AIR TEL.TE.COVID19
Dipartimento di Ingegneria dell’Informazione – Università di Pisa

IL GRUPPO DI LAVORO
DII-UNIPI - Luca Fanucci, Alessio Bechini, Massimiliano Donati, Annamaria Vianello, Silvia
Panicacci: esperienza e comptenza nel data mining, nell’analisi di big data, nell’intelligenza
artificiale applicata a dati sanitari; sviluppo della piattaforma TEL.TE.C. (poi convertita in
TEL.TE.COVID19).
AOUP - Stefano Masi, Marco Falcone: esperienza in analisi statistiche ed epidemiologiche per
l’indentificazione di fattori di rischio; connessione con Sistema Sanitario Nazionale ed Università.
ARS Toscana - Paolo Francesconi, Elisa Gualdani: conoscenza ed esperienza in ambito sia
epidemiologico che di COVID-19.

PRESENTAZIONE DELLA SOLUZIONE (1/4)
Arruolamento e
Trattamento con
Supporto Sistema
Esperto
Intelligenza
Artificiale AIR TEL.TE.COVID19 ha l’obiettivo di
integrare algoritmi di intelligenza
artificiale in una piattaforma di
telemedicina esistente
(TEL.TE.COVID19), attualmente in
uso in Toscana, al fine di supportare i
medici nell’arruolamento e nel
monitoraggio dei pazienti.
Dati
Sanitari

PRESENTAZIONE DELLA SOLUZIONE (2/4)
Arruolamento e
Trattamento con
Supporto Sistema
Esperto
Intelligenza
Artificiale Il sistema si compone di un modulo di
intelligenza artificiale per stratificare
la popolazione in base al rischio di
essere ospedalizzati o di sviluppare
forme gravi di COVID-19, e di un
sistema esperto per personalizzare
piani di cura e monitoraggio in base
alla storia clinica dei pazienti.
Dati
Sanitari

PRESENTAZIONE DELLA SOLUZIONE (3/4)
Arruolamento e
Trattamento con
Supporto Sistema
Esperto
Intelligenza
Artificiale • Medicina personalizzata e di
precisione
• Trasferibilità dei dati clinico-
epidemiologici
• Supporto ai medici di medicina
generale nelle fasi di presa in
carico e definizione del piano di
monitoraggio personalizzato
• Nessun cambiamento nella
pratica clinica abituale
Dati
Sanitari

PRESENTAZIONE DELLA SOLUZIONE (4/4)
Arruolamento e
Trattamento con
Supporto Sistema
Esperto
Intelligenza
Artificiale
1. Riduzione delle ospedalizzazioni e
dimissione precoce
2. Razionalizzazione e miglior
organizzazione del lavoro dei
medici, con la definizione automatica
del piano di cura
3. Miglior allocazione delle risorse,
grazie alla stratificazione per rischio
4. Prevenzione e diagnosi precoce
5. Miglioramento della qualità della
vita
Dati
Sanitari

ANAGRAFICA DEL REFERENTE
Nome e Cognome: Luca Fanucci
Email: luca.fanucci@unipi.it
linkedin: https://www.linkedin.com/in/lfanucci/
Altre informazioni: Professore Ordinario di Ingegneria Elettronica presso il Dipartimento di
Ingegneria dell’Informazione dell’Università di Pisa.
Coordinatore del progetto AIR TEL.TE.COVID19 – Bando Ricerca Covid 19 Regione Toscana