Tecniche e modelli di Intelligenza Artificiale per l'analisi di dati provenienti da un dispositivo clinico per il trattamento post-operatorio di pazienti cardiologici.

La riabilitazione precoce dei pazienti cardiochirurgici rappresenta una fase critica delpercorso post-operatorio, in cui mobilizzazione e tempestività decisionale sonofondamentali per prevenire complicanze e declino funzionale. In questo contesto siinserisce il progetto ACCELERATE, iniziativa del PNRR dedicata allo sviluppo di unletto robotico di supporto alla mobilizzazione precoce. I dati analizzati provengono dallapiattaforma clinica REDCap, utilizzata per la raccolta strutturata delle informazioni suipazienti.La tesi esplora l’impiego di tecniche di Intelligenza Artificiale per l’analisilongitudinale dei dati relativi all’indice IMMM (Indice di Mantenimento della MassaMuscolare). Dopo una fase di preparazione e normalizzazione dei dati, è stataimplementata una pipeline basata su due modelli predittivi: una rete LSTM, capace dicogliere dinamiche temporali, e un modello Random Forest, più interpretabile su datitabellari. I modelli sono stati addestrati su un dataset sintetico che riflette l’andamentoriabilitativo dei pazienti del progetto.I risultati mostrano che entrambi gli approcci intercettano segnali predittivi coerenti edistinguono le traiettorie dell’IMMM tra gruppo sperimentale e di controllo, suggerendoun potenziale beneficio della mobilizzazione robotica. Pur limitato dall’assenza di daticlinici reali e dalla dimensione ridotta del campione, il lavoro evidenzia la soliditàmetodologica della pipeline e la sua potenziale integrazione nei flussi analitici diprogetto. Le prospettive future includono la validazione su dati reali, l’ampliamentodelle variabili considerate, l’adozione di tecniche di Explainable AI e l’uso di hardwarecon GPU (Nvidia RTX, CUDA, cuDNN, mixed-precision training) per ridurredrasticamente i tempi di addestramento e rendere possibili analisi su larga scala. Nelcomplesso, il lavoro fornisce basi concrete per strumenti predittivi a supporto dellapersonalizzazione dei percorsi riabilitativi.