Thesis projects
Progetti di tesi di Laurea Magistrale (English below)
Progetto 1: Programmazione Lineare Intera per l'ottimizzazione dei tempi di attesa nella chirurgia ambulatoriale (outpatient surgery)
Il progetto di tesi consiste nella formulazione di uno o più modelli di programmazione lineare intera multi-obiettivo (deterministici e/o stocastici) per l'ottimizzazione del tempo d'attesa indiretto (giorni in lista d'attesa) e diretto (minuti/ore tra l'orario programmato e quello effettivo) dei pazienti chirurgici di una clinica outpatient. Al fine di valutare l'impatto nel tempo, si utilizzerà un approccio di tipo rolling horizon, che permetterà l'ottimizzazione del tempo d'attesa indiretto medio nel corso delle settimane. Data la complessità computazionale del problema, una particolare classe di metaeuristiche che prende il nome di Particle Swarm Optimization verrà impiegata per minimizzare i due tipi di tempi d'attesa e approssimare il fronte di Pareto per un supporto alle decisioni. Una possibile ulteriore analisi è quella della fairness rispetto a varie classi di pazienti (es. classi di urgenza o specialità). Per questo progetto verranno usati open data e dati generati artificialmente, in modo tale da studiare l'effetto della metodologia proposta in diversi contesti operativi.
Progetto 2: Sequenziamento degli interventi chirurgici: un framework reattivo basato sulla programmazione lineare intera
Il progetto consiste nell'individuare la configurazione ottima dei Break-In-Moment (BIM), vale a dire dei tempi di rilascio delle sale operatorie che operano in parallelo durante l'arco della giornata. La minimizzazione dei Break-In-Interval (BII), vale a dire del tempo che intercorre tra due BIM consecutivi, permette infatti di garantire un rapido inserimento dei pazienti emergenziali. Verranno proposti modelli di Programmazione Lineare Intera per il sequenziamento delle sale operatorie prima dell'inizio dei blocchi operatori e durante (framework reattivo), che terrà conto dell'impiego delle risorse a disposizione (assegnamento paziente-equipe chirurgica e unità post-operatorie). Un'analisi di sensitività consentirà di studiare l'impatto del metodo proposto al variare dell'incertezza dei tempi operatori e del numero di pazienti emergenziali. Per questo progetto verranno usati open data e dati generati artificialmente, in modo tale da studiare l'effetto della metodologia proposta in diversi contesti operativi.
Progetto 3: Ottimizzazione online delle sale operatorie basata su algoritmi di machine learning
L'obiettivo del progetto di tesi è l'analisi di algoritmi di ottimizzazione online per il problema della gestione in tempo reale delle sale operatorie, vale a dire del problema decisionale circa l'assegnamento dello straordinario in alternativa alla cancellazione dell'intervento. Gli algoritmi di ottimizzazione online verranno definiti a partire dall'analisi ex post delle soluzioni (offline) ottime dei dati storici. Il progetto si divide in tre fasi. Nella prima fase, verrà formulato un modello di Programmazione Lineare Intera per l'allocazione ottima dello straordinario del blocco operatorio durante la settimana, la cui risoluzione permetterà di etichettare ogni intervento chirurgico come candidato o meno all'assegnazione dello straordinario in base allo scenario che si presenta. Nella seconda fase, verranno impiegate tecniche di classificazione interpretabili e non per predire la convenienza dell'assegnazione dello straordinario. Nella terza fase, un modello di simulazione a eventi discreti consentirà il confronto tra diversi algoritmi basati sulle predizioni offerte dai modelli di classificazione. Per il progetto saranno usati dei dati reali di un ospedale di Torino.
Progetto 4: Dalla conoscenza implicita a quella esplicita: un serious game per l'apprendimento dei processi organizzativi ospedalieri
L'obiettivo del progetto di tesi è lo sviluppo di uno strumento di apprendimento dei criteri impliciti adottati dal personale sanitario nella programmazione di servizi ospedalieri. Attraverso un'interfaccia grafica, tale strumento dovrà generare degli scenari verosimili che porranno l'operatore sanitario di fronte a delle decisioni di tipo gestionale in quello che viene definito come un "serious game". Ciò permetterà una raccolta di dati che verranno manipolati automaticamente attraverso algoritmi di Machine Learning per esplicitare i criteri impliciti adottati dall'operatore, con l'obiettivo di simulare il suo comportamento all'interno di scenari diversi e/o con informazioni più complete di quelle presenti nei dati storici. Per il progetto verrà trattato il caso di studio reale di un istituto di diagnostica pavese.
Progetto 5: Ottimizzazione online del cambio dei materiali in un laboratorio di stampa 3D per la medicina
L'obiettivo del progetto di tesi è l'analisi di algoritmi di ottimizzazione online per il problema del cambio dei materiali in un laboratorio di stampa 3D per la medicina. Si tratta di un problema con un'elevata incertezza e dinamicità circa i futuri modelli da stampare, la cui sequenza determina il costo del cambio dei materiali, che rappresentano una spesa importante per il laboratorio. Tale problema presenta delle similarità con il problema di paging, di cui verrà formulata una variante e saranno valutate le performance di alcuni algoritmi di ottimizzazione online (dati dall'adattamento degli algoritmi FIFO, LRU, CLOCK, ecc). Per il progetto verrà trattato il caso di studio reale del laboratorio 3D4Med.
Master degree thesis projects
Project 1: Integer Linear Programming for the optimization of waiting times in an outpatient clinic
The thesis project consists in the formulation of one or more multi-objective (deterministic or stochastic) integer linear programming models for the optimization of the indirect (days in the waiting list) and direct (minutes/hours of waiting time between scheduled and actual hours) of surgical patients in an outpatient clinic. In order to assess the impact over time, a rolling horizon approach will be used, which will allow the optimization of the average indirect waiting time over the weeks. Given the computational complexity of the problem, a particular metaheuristic class called Particle Swarm Optimization is used to minimize the two types of waiting times and to approximate the Pareto front for decision support. A possible further analysis is that of correctness with respect to various groups of patients (e.g., classes of urgency or specialty). For this project, open data and synthetic data will be used, in order to study the effect of the methodology in different operational contexts.
Project 2: Surgical case sequencing: a reactive framework based on integer linear programming
The project consists in identifying the optimal configuration of the Break-In-Moments (BIM), i.e. the release times of the operating rooms that operate in parallel throughout the day. The minimization of Break-In-Interval (BII), that is the time elapsing between two consecutive BIMs, allows the rapid insertion of emergency patients. Integer Linear Programming models will be proposed for the sequencing of operating rooms before the start of the operating blocks and during their execution (reactive framework), which will take into account the use of available resources (assignment of patient-surgical team and post-operative units). A sensitivity analysis will allow the study of the impact of the proposed method on varying the uncertainty of the operating times and the number of emergency patients. For this project, open data and artificially generated data will be used, in order to analyze the effect of the proposed methodology in different operational contexts.
Project 3: Online optimization of operating rooms based on machine learning algorithms
The objective of the thesis project is the analysis of online optimization algorithms for the problem of real-time management of operating rooms, i.e. the decision-making problem regarding the assignment of overtime as an alternative to the cancellation of the operation. The online optimization algorithms will be defined starting from the ex-post analysis of the optimal (offline) solutions of the historical data. The project is divided into three phases. In the first phase, a multi-objective Integer Linear Programming model will be formulated for the optimal allocation of the overtime of the operating block during the week, the resolution of which will allow each surgical intervention to be labeled as a candidate or not for the assignment of overtime based on to the current scenario. In the second phase, interpretable and non-interpretable classification techniques will be used to predict the suitability of overtime assignments. In the third phase, a discrete event simulation model will allow comparison between different algorithms based on the predictions offered by the classification models. Real data from a hospital in Turin will be used for the project.
Project 4: From implicit to explicit knowledge: a serious game for learning hospital organizational processes
The objective of the thesis project is the development of a learning tool for the implicit criteria adopted by healthcare personnel in the planning of hospital services. Through a graphical interface, this tool will have to generate plausible scenarios that will put the healthcare operator in front of management decisions in what is defined as a "serious game". This will allow a collection of data that will be automatically manipulated through Machine Learning algorithms to explain the implicit criteria adopted by the operator, with the aim of simulating his behavior within different scenarios and/or with more complete information than that present in historical data. For the project, the real case study of a diagnostic center in Pavia will be treated.
Project 5: Online optimization of material change in a medical 3D printing laboratory
The objective of the thesis project is the analysis of online optimization algorithms for the material change problem in a medical 3D printing laboratory. This is a problem with high uncertainty and dynamicity regarding future artifacts to be printed, the sequence of which determines the cost of changing materials, which represent a significant expense for the laboratory. This problem has similarities with the paging problem, of which a variant will be formulated and the performance of some online optimization algorithms (i.e., adaptations of FIFO, LRU, CLOCK, etc.) will be evaluated. For the project, the real case study of the 3D4Med laboratory will be addressed.