HealthBOT, i sei finalisti

Sono sei i team finalisti del contest HealthBOT, novità della quarta edizione del progetto Fattore J promosso con Johnson&Johnson Innovative Medicine. 

La sfida finale si svolge nel contesto della RomeCup 2024 giovedì prossimo 21 marzo. Ogni team ha a disposizione cinque minuti di tempo per presentare alla giuria il proprio prototipo e il relativo funzionamento . Al termine di ogni elevator pitch, la giuria valuta con un punteggio da 1 a 5 il lavoro del team secondo i seguenti criteri: 

• Originalità 
• Interdisciplinarietà 
• Basso costo 
• Impatto 
• Efficacia
• Chiarezza espositiva 
• Lavoro e presentazione del team 

La giuria è composta da:

• Alfonso Molina, direttore scientifico della Fondazione Mondo Digitale 
• Michele Cornella, Business Intelligence Manager, Johnson & Johnson Innovative Medicine Italia 
• Massimo Walter Rivolta, ricercatore del Dipartimento di Informatica dell’Università degli studi di Milano 
• Daniela Mondatore, direttrice della Scuola civica di alta formazione, Cittadinanzattiva

Ecco i sei progetti finalisti:

SMEMOBOX è un dispositivo realizzato tramite stampante 3D in materiale PLA (bioplastica naturale) certificato per uso alimentare, compatibile con i medicinali. Attraverso un’applicazione, il dispositivo invia un reminder al paziente che necessita di assumere periodicamente dei medicinali, facilitandone la fruizione direttamente dalla smemobox. 
Classi 4C, 4E e 5C dell'ITIS Enrico Fermi di Roma

PHARMABOT è un prototipo di distribuzione di farmaci automatico per pazienti anziani e con disabilità sensoriale. È uno strumento inclusivo e facilmente accessibile: è dotato di codice braille e segnali sonori per non vedenti, segnali visivi per non udenti e collegamento al proprio smartphone.
Classi 5ASS e 4 MATS dell'IIS De Amicis–Cattaneo di Roma

MARCONIBOT è un assistente medico virtuale che interagisce con una fascia wearable equipaggiata con alcuni sensori per rilevare parametri vitali di pazienti che svolgono attività sportiva: misure dell’elettrocardiogramma, battiti e respirazioni al minuto, temperatura corporea, presenza o assenza di movimento. Il progetto è sviluppato in ambiente Scratch e comunica con la fascia wearable attraverso il protocollo MQTT. Lo sprite, che si muove in uno stage ambientato in uno studio medico, dialoga con il paziente che indossa la fascia. Vengono visualizzati i valori dei parametri vitali e il grafico dell'Ecg. 
Classe 5G dell'ITI Guglielmo Marconi di Nocera Inferiore, Salerno

PROJECT B.O.N.E è un programma per la rilevazione dell'osteoporosi, una malattia che affligge le ossa rendendole più fragili. Il software permette ai medici di agire preventivamente per la cura dei pazienti, in modo tale da rallentare l'avanzamento della malattia. La rilevazione dell'osteoporosi è affidata ad una soluzione AI, allenata tramite addestramento co supervisione. I risultati della classificazione sono valutati attraverso metriche che consentono di individuare possibili pazienti a rischio, contenendo al massimo la probabilità di errore. 
Classi 3 AI, 3BI, 3BL, 4 AL, 4CI dell'IIS Federico Caffè di Roma

VISION ALL può rendere gli istituti scolastici più accessibili per le persone con disabilità visiva, favorendo un ambiente scolastico più inclusivo. Consente alla persona con disabilità visiva di muoversi in maniera del tutto autonoma e indipendente attraverso gli spazi della scuola grazie al solo ausilio dell'applicazione. L'applicazione è progettata con un'interfaccia user-friendly, compatibile con tecnologie assistive, mira a garantire la sicurezza indoor tramite un sistema progettato per identificare ostacoli, segnalare pericoli e fornire assistenza in situazioni di emergenza.
Classe 5 A Info dell'ITIS Ettore Majorana di Cassino, Frosinone

PARKINSON DETECTOR si avvale di una intelligenza artificiale in grado di riconoscere la figura umana all’interno di un filmato e calcolare la posizione delle articolazioni, istante per istante, al fine di misurare con precisione gli angoli di movimento degli arti. L’obiettivo è riconoscere differenze significative nella cinematica del cammino rispetto a valori di normalità estrapolati dalla letteratura specialistica. Il dispositivo usa due telecamere posizionate ai lati di una stanza e un sistema di IA per monitorare l’oscillazione della spalla e del gomito mentre il paziente cammina. Numerosi studi scientifici hanno infatti dimostrato che la riduzione di tale oscillazione è un indicatore precoce del morbo di Parkinson.
Tommaso Caligari dell'ITIS Omar di Novara