Il gruppo di ricerca dedicato alle conoscenze mediche e al supporto decisionale mira a sviluppare e valutare nuovi approcci informatici per la scoperta di conoscenze biomediche, la salute personalizzata, la gestione dei dati clinici e il supporto decisionale.
Dal punto di vista metodologico, sviluppiamo nuovi approcci di intelligenza artificiale che combinano conoscenze pregresse, spesso rappresentate formalmente come ontologie, con l'apprendimento automatico su larga scala dai dati, al fine di formulare previsioni basate sulla conoscenza. Sviluppiamo e valutiamo inoltre approcci per una maggiore interpretabilità dei modelli predittivi e li valutiamo con utenti e medici al fine di esplorare le esperienze con l'intelligenza artificiale e la fiducia in essa, mediate da diverse forme di visualizzazione e spiegazione.
Le nostre principali aree di competenza sono la salute metabolica e la salute mentale. Il monitoraggio dell'attività con feedback, ad esempio attraverso sensori di attività indossabili, è già emerso come una strategia di rilievo per supportare digitalmente comportamenti sani e migliorare la salute metabolica. Il nostro gruppo mira a sviluppare metodi in grado di integrare le informazioni provenienti dalla storia clinica individuale, dallo stato metabolico temporale e dai sensori di attività utilizzando algoritmi di intelligenza artificiale per fornire un feedback personalizzato sulla salute metabolica e supportare la diagnosi precoce dei biomarcatori della disregolazione metabolica. Applichiamo queste strategie anche per aiutare a interpretare e comprendere la salute mentale da una prospettiva incentrata sul paziente, supportata dall'acquisizione e dall'interpretazione di dati esperienziali digitali.
Una delle nostre principali aree di interesse è lo sviluppo di approcci che mirano a promuovere l'automazione parziale basata sulla conoscenza della sintesi delle prove biomediche e quindi ad accelerare la traduzione delle prove in implementazione.