Seguici su
Cerca

Marini Giovanni

Ho conseguito la laurea magistrale in Matematica presso l’Università di Trento nel 2013 e, durante gli studi, ho svolto uno stage presso la Fondazione Edmund Mach (FEM), che ha avviato il mio interesse per l’applicazione della matematica all’analisi dei dati biologici. Nel 2017 ho completato il dottorato cum laude in Matematica presso l’Università di Trento con una tesi su “L’importanza dei fattori climatici ed ecologici nelle infezioni trasmesse da vettori: Culex pipiens e virus del Nilo Occidentale”.

Attualmente sono ricercatore presso la FEM, dove mi occupo di analisi dei dati e modellizzazione matematica. I miei interessi di ricerca includono l’ecologia di vettori (in particolare zecche e zanzare) e ospiti, la modellizzazione epidemiologica e di popolazione e le interazioni clima–salute. Specializzato nell’analisi statistica di dati ecologici e nello sviluppo di modelli per studiare la trasmissione di patogeni come il virus del Nilo Occidentale, supervisiono anche studenti di MSc e PhD nella modellizzazione matematica delle malattie infettive e contribuisco alla progettazione di esperimenti su zanzare condotti nelle camere climatiche della FEM.

Immagine: Marini Giovanni

Interessi di ricerca

Mathematical Models
Statistical Analysis
Mosquito - borne diseases

Referente progetto

GeoAI4EI - GeoAI toolbox for Epidemic Intelligence

GeoAI4EI svilupperà un set di strumenti (toolbox) di Intelligenza Artificiale open-source, etico e affidabile. L'obiettivo è rafforzare la sorveglianza epidemiologica (Epidemic Intelligence) a livello europeo e globale, migliorando la preparazione e la risposta alle pandemie.

Ereditando l'esperienza della piattaforma Horizon 2020 MOOD e i più avanzati modelli geospaziali ed epidemiologici, GeoAI4EI combinerà dati provenienti da fonti eterogenee (epidemiologici, socio-economici, ecologici, ambientali, di mobilità e di osservazione della Terra) con tecnologie di IA avanzata, tra cui i modelli linguistici di grandi dimensioni (LLM) e gli assistenti conversazionali con architettura RAG (Retrieval-Augmented Generation).

Sviluppato in stretta collaborazione con ricercatori, agenzie di sanità pubblica, decisori politici ed enti sovranazionali (tra cui ECDC, HERA e OMS), il toolbox permetterà di:

  • Identificare precocemente i patogeni ad alto rischio, inclusi i contesti di spillover zoonotico e le minacce legate al cambiamento climatico;
  • Monitorare l'evoluzione delle infezioni;
  • Simulare e gestire diversi scenari di rischio.

   

Etica, Sicurezza e Inclusività

Il progetto si fonda su rigide garanzie etiche e legali:

  • Trattamento dati e compliance: Tutti i dati rispetteranno il GDPR, gli accordi di condivisione e i protocolli di anonimizzazione. Gli strumenti creati saranno pienamente conformi all'EU AI Act, ai principi FAIR e CARE, e saranno sottoposti ad audit etici indipendenti.
  • Progettazione equa e trasparente (Fairness-by-Design): Il sistema integra audit periodici sui bias, analisi basate su variabili di sesso/genere, schede trasparenti sui modelli (model cards), visualizzazione dei livelli di incertezza e tutele contro l'uso improprio o l'eccessivo affidamento all'algoritmo.
  • Accessibilità e Cybersecurity: L'inclusione digitale è garantita da piattaforme leggere e open-source, affiancate da percorsi formativi pensati per contesti con scarse risorse. La sicurezza informatica è affidata a un hosting protetto su territorio UE, crittografia avanzata e accessi profilati per ruolo.

Ponendo l'etica e l'inclusività al centro del proprio metodo, GeoAI4EI punta ad aumentare la fiducia negli strumenti sanitari basati su IA, abbattere le disuguaglianze nella prevenzione pandemica e garantire piena interoperabilità con le infrastrutture europee (come EHDS e ATHINA). In questo modo, il progetto fornirà un supporto decisionale in tempo reale a tutta l'Europa e ai paesi partner, promuovendo una sicurezza sanitaria globale equa e sostenibile.

Ulteriori dettagli

X ZanZeMap - Zanzare e Zecche: se sai dove sono le eviti

(Fondazione VRT) Il progetto punta a creare mappe di facile consultazione, che mostrano il rischio di presenza e attività di zanzare e zecche nella provincia autonoma di Trento. Utilizzando modelli di intelligenza artificiale e machine learning, verranno analizzati dati climatici e ambientali per prevedere dove e quando questi artropodi sono più attivi. Queste mappe, fruibili online, aiuteranno la popolazione a proteggersi dalle punture di zanzare e zecche, migliorando la salute pubblica e la qualità della vita.

Attività FEM: Analisi dati e elaborazione modelli statistici.

Ulteriori dettagli