Questo repository contiene il sito web interattivo dedicato al framework multidimensionale 📊 per l'analisi dell'AI distribuita in sanità, sviluppato per la XXII Conference of the Italian Chapter of AIS (ITAIS 2025).
- AI Distribuita e Governance Sanitaria
Il progetto AI Distribuita e Governance Sanitaria esplora l'intersezione fra le tecnologie di Intelligenza Artificiale distribuita (ad es. federated learning ed edge computing) e le dimensioni legali, etiche, organizzative ed economiche che ne guidano l'adozione nel settore sanitario.
Attraverso una prospettiva multidisciplinare esaminiamo come l'AI Act europeo e i framework normativi emergenti si intreccino con i paradigmi etici consolidati, evidenziando le tensioni che sorgono quando queste tecnologie incontrano le convenzioni socio‑organizzative esistenti.
Il framework integra quattro dimensioni fondamentali in un modello analitico che mappa le interrelazioni e le tensioni nell'implementazione dell'AI distribuita in sanità:
| Dimensione | Fattori chiave | Esempi |
|---|---|---|
| Tecnologica | Interoperabilità – Sicurezza – Scalabilità – Performance | Federated Learning, Standard HL7 FHIR, cifratura dei dati, orchestrazione edge |
| Economica | Costi – Distribuzione del valore – Sostenibilità – Efficienza | Modelli pay‑per‑use, analisi costi‑benefici |
| Giuridica | GDPR – AI Act – Tutela diritti – Allocazione responsabilità | Conformità data‑protection, requisiti high‑risk AI |
| Etica | Equità algoritmica – Trasparenza – Autonomia – Beneficenza – Fiducia | Audit dei bias, explainability, consenso informato |
La matrice delle tensioni mette in evidenza conflitti e sinergie fra queste dimensioni, offrendo uno strumento pratico per navigare la complessità dell'AI distribuita in sanità.
Approccio Teorico-Concettuale
Il framework è sviluppato attraverso sintesi teorica interdisciplinare e non include validazione empirica quantitativa su implementazioni operative reali, rappresentando una base teorica per future ricerche empiriche.
Contesto Europeo-Centrico
L'analisi si concentra sul framework normativo europeo (GDPR, AI Act), limitando la generalizzabilità a contesti con quadri regolamentari significativamente diversi.
Settore Sanitario Specifico
Il modello è ottimizzato per il dominio sanitario; l'applicazione ad altri settori richiederebbe adattamenti sostanziali non esplorati nel presente studio.
Natura Qualitativa delle Relazioni
Le tensioni tra dimensioni sono rappresentate qualitativamente; lo sviluppo di modelli quantitativi rappresenterebbe un significativo avanzamento metodologico.
- Validazione Empirica: Studi longitudinali su implementazioni reali
- Strumenti Operativi: Dashboard e metodologie standardizzate di assessment
- Estensioni Cross-Settoriali: Adattamento a finanza, trasporti, industria
- Quantificazione: Modelli matematici per misurare l'intensità delle tensioni
- Validazione Cross-Culturale: Testing in contesti normativi diversi
Nonostante queste limitazioni, il framework fornisce:
- Primo modello multidimensionale integrato per l'AI distribuita in sanità
- Mappatura sistematica delle tensioni tra governance dimensions
- Base teorica solida per ricerche empiriche future
- Roadmap strutturata per l'advancement del campo
📖 Dettagli Completi: Per l'analisi approfondita delle limitazioni, consulta il documento limitations_of_study.md
- Home – Introduzione al progetto e al framework
- Framework – Visualizzazione interattiva del modello a quattro assi
- Dimensioni – Approfondimenti su ciascun asse
- Value Management – Approfondimenti su dimensioni di valore e potenziale trasformativo
- Tensioni – Matrice interattiva delle tensioni
- Casi di Studio – Applicazioni pratiche del framework
- Risorse – Pubblicazioni, strumenti e materiali di riferimento
# Clonare il repository
git clone https://github.com/FABIOLIBERTI/AI-DIGOSA.git
cd AI-DIGOSA
# Aprire il file HTML principale in un browser
# macOS
open index.html
# Linux
xdg-open index.html
# Windows
start index.htmlSiamo aperti a contributi che arricchiscano il framework o migliorino il sito web, in linea con la track T11 "Emerging Technologies and Organizational Culture" di ITAIS 2025.
- Fork del repository
- Creare un branch dedicato:
git checkout -b feature/descrizione‑breve
- Effettuare il commit:
git commit -m "Descrizione sintetica della modifica" - Push al branch remoto:
git push origin feature/descrizione‑breve
- Aprire una Pull Request su
main
Tutti i contributi saranno revisionati dai maintainer per garantire coerenza con la visione del progetto.
Questo progetto è sviluppato per la XXII Conference of the Italian Chapter of AIS (ITAIS 2025), Track T11 – Emerging Technologies and Organizational Culture, presso LIUC Business University.
Informazioni aggiornate su programma, registrazione e logistica sono disponibili sul sito ufficiale della conferenza.
Inserire qui le informazioni sulle competenze disciplinari e gli autori del progetto.
| Dimensione | Nome / Ente | Competenze | Contributo |
|---|---|---|---|
| Tecnologica | Fabio Liberti, Universitas Mercatorum | Federated Learning, Edge Computing, Informatica Sanitaria | Framework tecnologico, analisi sicurezza e scalabilità |
| Tecnologica | Franco Maciariello, Universitas Mercatorum | Applied AI, Digital transformation, Interoperabilità | Analisi digitalizzazione |
| Tecnologica | Vittorio Stile, Universitas Mercatorum | Digital transformation, Blockchain, UX Designer | Analisi sicurezza |
| Etica | Nunzia Cosimo, Universitas Mercatorum | Etica dell'AI, Bioetica | Analisi bias, autonomia decisionale |
| Economica | Fracesco Avolio, Universitas Mercatorum | Value Management, Economia Sanitaria | Analisi costi‑benefici, modelli di sostenibilità |
| Giuridica | Alfonso Laudonia e Vito Cicoira, Universitas Mercatorum | Diritto AI, GDPR, Normativa Sanitaria | Analisi quadro normativo, compliance |
Se utilizzi questo framework o i materiali in questo repository, cita:
[Autori]. (2025). AI Distribuita e Governance Sanitaria: Un'Analisi Multidimensionale delle Tensioni tra Norme, Etica e Innovazione. In Proceedings of the XXII Conference of the Italian Chapter of AIS, LIUC Business University, Track T11.
- Di Vaio, A., Palladino, R., Hassan, R., & Escobar, O. (2020). Artificial intelligence and business models in the sustainable development goals perspective: A systematic literature review. Journal of Business Research, 121, 283‑314.
- Martin, K. (2019). Ethical Implications and Accountability of Algorithms. Journal of Business Ethics, 160, 835‑850.
- Kairouz, P., McMahan, H. B., Avent, B., et al. (2021). Advances and open problems in federated learning. Foundations and Trends® in Machine Learning, 14(1‑2), 1‑210.
- Floridi, L., & Cowls, J. (2019). A unified framework of five principles for AI in society. Harvard Data Science Review, 1(1).
- Buhmann, A., & Fieseler, C. (2023). Deep Learning Meets Deep Democracy: Deliberative Governance and Responsible Innovation in Artificial Intelligence. Business Ethics Quarterly, 33(1), 146‑179.
Questo progetto è distribuito con licenza Mercatorum.
La licenza Mercatorum consente uso commerciale e non commerciale, modifica, distribuzione e opere derivate, a condizione di mantenere l'avviso di copyright e di licenza nelle copie sostanziali del software.
© 2025 AI Distribuita e Governance Sanitaria – Rilasciato sotto Mercatorum.