Offerta formativa erogata 2022/2023

Laboratorio: La medicina delle reti in Oncologia
I dottorandi del 37° e 36° ciclo hanno partecipato ai gruppi di lavoro interdisciplinari per l’applicazione del processo di analisi della medicina delle reti ai dati clinici, bio-molecolari, immunitari e diagnostici delle patologie oncologiche, che hanno visto una stretta collaborazione tra docenti del collegio.
Il flusso di lavoro all’interno di questi gruppi è iniziato da un quesito clinico posto dai dottorandi di formazione clinica, successivamente dati generati dai gruppi di ricerca o disponibili in database pubblici sono stati raccolti e analizzati dai dottorandi e docenti con formazione informatica. Infine, i risultati sono stati discussi all’interno del gruppo.

Gruppo “Pediatric Brain Cancer”
Lo scopo del lavoro è stato quello di costruire un database che includesse dati clinici e molecolari di una serie di pazienti pediatrici affetti da tumori cerebrali. Sono stati identificati 4 diversi gruppi di diagnosi molecolarmente distinte e successive indagini si concentreranno sul ruolo diagnostico delle mutazioni ad oggi definite incerte.
Gruppo “Non-smoker lung cancer”
L’interrogativo clinico ha riguardato la caratterizzazione molecolare dei pazienti non fumatori con tumore al polmone. A questo scopo sono stati identificati 4 diversi dataset e le signature molecolari dei pazienti non fumatori sono state identificate e confrontate.
Si sono svolti due incontri di orientamento e successivamente 12 incontri per il gruppo “Non-smoker lung cancer” e 8 incontri per il gruppo “Pediatric Brain Cancer”, come dettagliatop nella tabella allegata.

I dottorandi del 36° ciclo hanno seguito le attività didattiche del loro terzo anno, di seguito elencate (I dettagli relativi a data, orario e docente e modalità di erogazione sono riportati nella tabella allegata):
Presentazione Network Oncology and Precision Medicine, esperienza dei dottorandi del 36° ciclo
European Society for Medical Oncology 2022 update
Come si allestisce un data-base (2 incontri)
La normativa e regolamentazione nella pratica clinica in oncologia
Modelli preclinici (2 incontri)
Cardio-oncologia
Open innovation: collaborazione tra Accademia, enti scientifici e industri
Microbiota e oncologia
Artificial Intelligence and Machine Learning Applications in Cardiac Transplantation

I dottorandi del 37° ciclo hanno seguito le attività del loro secondo anno, di seguito elencate (I dettagli relativi a data, orario e docente e modalità di erogazione sono riportati nella tabella allegata):

Presentazione Network Oncology and Precision Medicine, esperienza dei dottorandi del 36° ciclo
European Society for Medical Oncology 2022 update
Metodi computazionali per l'elaborazione ed integrazione di dati clinici e molecolari. (4 incontri)
Presentazione Network Oncology and Precision Medicine
Come si allestisce un data-base (2 incontri)
La normativa e regolamentazione nella pratica clinica in oncologia
Modelli preclinici (2 incontri)
Cardio-oncologia
Open innovation: collaborazione tra Accademia, enti scientifici e industri
Microbiota e oncologia
Artificial Intelligence and Machine Learning Applications in Cardiac Transplantation


I dottorandi del 38° ciclo hanno seguito le attività del loro primo anno, di seguito elencate (I dettagli relativi a data, orario e docente e modalità di erogazione sono riportati nella tabella allegata):

Incontro di coordinazione e presentazione
Presentazione Network Oncology and Precision Medicine (2 incontri)
Presentazione Network Oncology and Precision Medicine, esperienza dei dottorandi del 36° ciclo
Linguaggio R (4 incontri)
Immunologia di base (2 incontri)
Come si allestisce un Database (2 incontri)
Immunità Acquisita
La normativa e regolamentazione nella pratica clinica in oncologia
Modelli preclinici (2 incontri)
Tracking the evolution of non-small cell lung cancer
Meccanismi di risposta immunitaria anti-tumore e immunità innata
Cardio-oncologia
Open innovation: collaborazione tra Accademia, enti scientifici e industri
Microbiota e oncologia
Artificial Intelligence and Machine Learning Applications in Cardiac Transplantation

© Università degli Studi di Roma "La Sapienza" - Piazzale Aldo Moro 5, 00185 Roma