Sono dottoranda in Informatica con una formazione interdisciplinare in Filosofia Politica, materia che mi ha portata ad avvicinarmi al tema dell’etica dei sistemi di Intelligenza Artificiale anche attraverso un’esperienza di stage presso lo spin-off di design responsabile ReD Open. L’approccio interdisciplinare si riflette anche nel mio lavoro accademico, dove approfondisco il tema dei Sistemi di Supporto Decisionale in grado di sostenere ed integrare l'intuizione umana nei propri output. La mia ricerca mi è valsa il premio di 'Miglior Doctoral Consortium Paper' a CHItaly23. Convinta sostenitrice della divulgazione in ogni sua forma fin dalla sua partecipazione a TEDxBocconiU 2018, ho condotto tre eventi della Milano Digital Week ’23 (ReGAInSxMDW, IED, Germi) e ho tenuto lezioni presso IED Milano, La Sapienza di Roma e l'Università di Pavia, oltre a tutorial in conferenze come HHAI’23 e INTERACT’23”.

Le mie ricerche sull’uso dei Sistemi di Supporto Decisionale (DSS) in ambito diagnostico riguardano lo sviluppo di un approccio al design che possa definirsi ”frizionale”, ossia volto a stimolare l’impegno cognitivo nei sistemi di supporto alle decisioni, in particolare per quelli che adottano tecniche di Intelligenza Artificiale spiegabile (XAI). Le fonti di frizione nella presa di decisione supportata dall’Intelligenza Artificiale (IA) hanno l’obiettivo di mitigare l’eccessiva dipendenza dall’uomo, promuovendo al contempo la ponderatezza e il potenziamento cognitivo e, in ultima analisi, migliorando l’efficacia del processo decisionale. Aumentando la trasparenza e promuovendo il coinvolgimento cognitivo, il design della frizione può contribuire a garantire che i sistemi di supporto decisionale XAI rimangano strumenti preziosi per i decisori, invece di diventare una fonte di manipolazione.

Ciao! Sono Aurora e sto frequentando il primo anno del dottorato in "PUBLIC HEALTH EPIDEMIOLOGY, STATISTICS AND ECONOMICS" presso l'Università di Milano-Bicocca. Dopo il diploma di scuola superiore, ho avuto difficoltà a trovare la mia strada, ma la statistica era pronta a fornirmi gli strumenti per comprendere meglio il mondo. Mi sono quindi iscritta alla facoltà di statistica, specializzandomi successivamente in biostatistica.
 

Negli ultimi due anni sono stata borsista presso l'Istituto Europeo di Oncologia, un'esperienza che mi ha permesso di partecipare a diversi progetti e di formarmi come ricercatrice. Tra i progetti che mi hanno particolarmente appassionato, c'è "Are sex and gender considered in head and neck cancer clinical studies?" pubblicato su NPJ Precision Oncology 7.1 (2023). In questo studio, ho approfondito la menzione del sesso e del genere (S/G) negli studi clinici riguardanti tumori della testa e del collo, evidenziando come, nonostante la sua importanza fondamentale, la variabile S/G spesso non venga considerata.
Proseguendo con la ricerca, mi sono sempre più appassionata alla tematica del S/G in medicina e ho partecipato ad un progetto riguardante l’analisi del ruolo del sesso e dei livelli di emoglobina sulla prognosi nei pazienti con carcinoma orale a cellule squamose della lingua, come riportato nell'articolo di Tagliabue et al.,"The prognostic role of sex and hemoglobin levels in patients with oral tongue squamous cell carcinoma" pubblicato su Frontiers in Oncology (2022), di cui sono co-autrice. Nella nostra coorte di pazienti con carcinoma orale a cellule squamose della lingua, il basso livello di emoglobina è stato identificato come fattore prognostico negativo per le donne, soprattutto nei tumori in stadio iniziale.
Successivamente, mi sono concentrata sull'analisi di immagini mediche, applicando tecniche di machine learning e deep learning. Alcune delle mie pubblicazioni hanno riguardato la costruzione di modelli predittivi di sopravvivenza per i pazienti basati su informazioni estratte da immagini mediche, come riportato nell'articolo di Mossinelli et al. "The role of radiomics in tongue cancer: A new tool for prognosis prediction" pubblicato su Head &Neck 45.4 (2023), di cui sono co-autrice. Altri studi si sono invece concentrati sulla predizione della diagnosi, come evidenziato nell'articolo di Nicosia et al. intitolato "Prediction of the Malignancy of a Breast Lesion Detected on Breast Ultrasound: Radiomics Applied to Clinical Practice" pubblicato su Cancers 15.3 (2023).