**Assegno di ricerca biennale post-doc presso il Dipartimento di Oncologia ed Ematoncologia dell'Università**
**di Milano **(English Below)
Fino al 30 gennaio (ore 12.00) è possibile applicare per un Assegno di ricerca biennale presso il Dipartimento di Oncologia ed Ematoncologia dell'Università di Milano.
**Titolo del progetto di ricerca**
VERSO LA REALIZZAZIONE DI SISTEMI DI INTELLIGENZA ARTIFICIALE SPIEGABILI, INTERPRETABILI E PATIENT
- CENTERED
**Descrizione del progetto**
L'intelligenza artificiale (AI) è parte non trascurabile dell'assistenza sanitaria; le tecnologie e i modelli di AI possono competere e talvolta superare le prestazioni dei medici in una varietà di compiti, e possono supportare il processo decisionale.
Tuttavia gli output forniti dai sistemi di IA sono generalmente opachi: i processi di elaborazione dei risultati restano oscuri agli utenti, che non sono quindi in grado di comprendere le motivazioni di certe indicazioni minando quindi la percezione dell'affidabilità dell'ouput stesso.
L'IA "Spiegabile" mira invece alla spiegazione dell'output, con l'obiettivo di fornire agli utenti le ragioni per cui fare affidamento sul sistema.
A tale scopo, è necessario che i paradigmi e le metodologie classici sviluppati nella ricerca informatica vengano adattati a questo contesto.
1.
Algoritmi spiegabili di ML per la diagnostica predittiva e la medicina di precisione in oncologia;
2.
Algoritmi spiegabili di ML per il miglioramento e la personalizzazione dell'esperienza del paziente;
3.
Incremento della fiducia nell'utilizzo di sistemi di AI come strumenti di supporto del processo decisionale.
**A two-year postdoctoral position on** **Explainable AI in Health and Medicine is available at the Department**
**of Oncology and Ematoncology at University of Milan**.
**Project Title**
Towards explainable, interpretable, patient-centric AI in health and medicine.
**Project Description**
Artificial intelligence (AI) is quickly becoming an integral part of healthcare; However, relying on these AI systems for medical decision-making implies the risk of losing medical understanding because of the "black
- box" nature of data-Centric AI that leave users, and even developers, in the dark as to how results were obtained.
By contrast, Explanaible AI systems aims at embedding explanations on how and why AI systems
make the recommendations that they do.
To do this, the classical paradigms and methodologies developed in computer science need to be adapted.
- Explainable machine learning algorithms for predictive diagnostics and precision medicine in oncology;
- Explainable machine learning algorithms for improvement and personalization of patient's experience;
- Improvement in trust in AI devices as supports for decision making;
- Bias of ML algorithms when dealing with patients of different ethnicity, gender, skin colour, etc.
**How to apply**:
Contratto di lavoro: Tempo pieno
Orario:
- Orario flessibile
Sede di lavoro: Ibrido/da remoto (20122 Milano, MI)