Christian De Gennaro
APPLICAZIONE DI ALGORITMI DI DEEP LEARNING PER LA CLASSIFICAZIONE DI ANAGRAFICHE SANITARIE TRAMITE NATURAL LANGUAGE PROCESSING = DEEP LEARNING ALGORITHMS FOR THE CLASSIFICATION OF MEDICAL RECORDS THROUGH NATURAL LANGUAGE PROCESSING.
Rel. Gabriella Balestra, Susanna Pavanelli. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Biomedica, 2023
Abstract
Il lavoro di tesi è stato svolto nel contesto del progetto "A.Li.Sa" presso l'azienda K.P.M.G. Advisory S.p.A. Lo scopo di tale progetto è la creazione di un impianto anagrafico unico del Sistema Amministrativo Contabile Unico delle Aziende Sociosanitarie ed IRCCS della Regione Liguria per quanto riguarda i prodotti e servizi. Otto aziende sanitarie sono coinvolte nel progetto, tra cui cinque aziende sanitarie locali liguri, l'azienda ospedaliera “San Martino” e l'IRCCS “Istituto Pediatrico Gaslini”. La metodologia che ha condotto all’aggiornamento dell’anagrafica unica regionale è stata strutturata attraverso le seguenti macro-fasi: 1)??Suddivisione delle anagrafiche aziendali in cinque categorie: farmaci, dispositivi medici, altri beni sanitari, beni non sanitari e servizi; 2)??Trasposizione delle vecchie anagrafiche: processo di adeguamento delle vecchie anagrafiche agli standard di codifica del nuovo sistema; 3)??Bonifica delle anagrafiche: fase di pulizia e integrazione dei dati mancanti; 4)??Riconduzione di prodotti analoghi: fase in cui prodotti identici con codifiche diverse vengono ricondotti ad un unico “prodotto master"; 5)??Adeguamento dell'impianto anagrafico alle nuove alberature regionali delle Classi Merceologiche e del nuovo Piano dei Conti: ad ogni prodotto presente in anagrafica viene associata una nuova classe merceologica.
Il lavoro svolto fa riferimento alla fase di associazione dei prodotti di tipo sanitario, in particolare è stato utilizzato un algoritmo di deep learning basato su una rete neurale convoluzionale per implementare un text classifier
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Informazioni aggiuntive
Corso di laurea
Classe di laurea
Aziende collaboratrici
URI
![]() |
Modifica (riservato agli operatori) |
